Vol. 13/ Núm. 3 2026 pág. 2745
https://doi.org/10.69639/arandu.v13i3.2566
Evaluación preliminar de Planet Lingua: adecuación del
contenido, usabilidad y accesibilidad de un recurso HTML
gamificado para la enseñanza de los pronombres personales
de sujeto en inglés
Preliminary Evaluation of Planet Lingua: Content Adequacy, Usability, and
Accessibility of a Gamified HTML Resource for Teaching English Subject Pronouns
Carmen Luisa Rodríguez Calvache
clrodriguezc@ube.edu.ec
https://orcid.org/0009-0006-9888-4917
Universidad Bolivariana del Ecuador
Durán, Guayas, Ecuador
Marcos Guerrero Zambrano
mfguerreroz@ube.edu.ec
mguerreroz@unemi.edu.ec
https://orcid.org/0000-0002-5617-6836
Universidad Bolivariana del Ecuador
Universidad Estatal de Milagro
Milagro, Guayas, Ecuador
Ennio Jesus Merida Cordova
ejmeridac@ube.edu.ec
https://orcid.org/0000-0001-5091-5522
Universidad Bolivariana del Ecuador
Durán, Guayas, Ecuador.
Artículo recibido: 10 julio 2026- Aceptado para publicación:16 agosto 2026
Conflictos de intereses: No hay conflictos de intereses
RESUMEN
Objetivo: Valorar preliminarmente la adecuación del contenido, la usabilidad y la accesibilidad
de Planet Lingua, un recurso HTML gamificado diseñado para enseñar los pronombres personales
de sujeto en inglés en octavo año de Educación General Básica Superior. Métodos: Se realizó un
estudio evaluativo de un recurso digital con diseño mixto convergente de predominio cuantitativo
(QUAN + qual). Tres registros de evaluación, obtenidos bajo condiciones de inspección no
equivalentes, aportaron valoraciones sobre 46 criterios de adecuación, las diez heurísticas de
Nielsen y 33 criterios descriptivos basados en WCAG 2.2. Se calcularon estadísticos ordinales, V
de Aiken con intervalos de confianza del 95 %, W de Kendall, acuerdo exacto y una puntuación
descriptiva ad hoc de accesibilidad. Las observaciones abiertas se analizaron mediante contenido
dirigido y se integraron con los resultados cuantitativos en matrices conjuntas. Resultados: De los
44 criterios con información completa, 23 mostraron cumplimiento observado alto, siete
requirieron revisión y 14 corrección prioritaria. La concordancia global descriptiva fue W = 0,62
Vol. 13/ Núm. 3 2026 pág. 2746
y el acuerdo exacto, 40,9 %. Se registraron 35 hallazgos heurísticos de usabilidad, cuatro
clasificados como críticos, y 11 criterios de accesibilidad recibieron mayoría de incumplimiento.
Los principales riesgos fueron el envío múltiple, la falta de operabilidad completa mediante
teclado, el diseño fijo en pantallas estrechas y el control insuficiente del audio. Conclusiones: La
versión inicial mostró fortalezas narrativas y de gamificación, pero no aportó evidencia suficiente
para considerarla integralmente adecuada ni conforme con WCAG 2.2. La versión mejorada
requiere una reevaluación reproducible antes de aplicarse con estudiantes.
Palabras clave: gamificación, tecnología educativa, usabilidad, accesibilidad, inglés como
lengua extranjera
ABSTRACT
Objective: To conduct a preliminary assessment of the content adequacy, usability, and
accessibility of Planet Lingua, a gamified HTML resource designed to teach English subject
pronouns in the eighth year of Ecuadorian upper basic education. Methods: An evaluative study
of a single digital resource was conducted using a quantitatively driven convergent mixed-
methods design (QUAN + qual). Three evaluation records obtained under non-equivalent
inspection conditions provided ratings on 46 adequacy criteria, Nielsen’s ten usability heuristics,
and 33 descriptive accessibility criteria derived from WCAG 2.2. Ordinal descriptive statistics,
Aiken’s V with 95% confidence intervals, Kendall’s W, exact agreement, and an ad hoc
descriptive accessibility score were calculated. Open-ended observations underwent directed
content analysis and were integrated with the quantitative results through joint displays. Results:
Of the 44 criteria with complete data, 23 showed high observed compliance, seven required
review, and 14 required priority correction. Overall descriptive concordance was W = .62, with
40.9% exact agreement. Thirty-five heuristic usability findings were recorded, four of which were
classified as critical, and 11 accessibility criteria received a majority of noncompliant ratings. The
main risks involved repeated submissions, incomplete keyboard operability, fixed-layout
behavior on narrow screens, and insufficient audio controls. Conclusions: The initial version
showed strengths in narrative design and gamification but did not provide sufficient evidence to
be considered adequate overall or conformant with WCAG 2.2. The improved version should
undergo a reproducible reevaluation before being tested with students.
Keywords: gamification, educational technology, usability, accessibility, English as a
foreign language
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
y el acuerdo exacto, 40,9 %. Se registraron 35 hallazgos heurísticos de usabilidad, cuatro
clasificados como críticos, y 11 criterios de accesibilidad recibieron mayoría de incumplimiento.
Los principales riesgos fueron el envío múltiple, la falta de operabilidad completa mediante
teclado, el diseño fijo en pantallas estrechas y el control insuficiente del audio. Conclusiones: La
versión inicial mostró fortalezas narrativas y de gamificación, pero no aportó evidencia suficiente
para considerarla integralmente adecuada ni conforme con WCAG 2.2. La versión mejorada
requiere una reevaluación reproducible antes de aplicarse con estudiantes.
Palabras clave: gamificación, tecnología educativa, usabilidad, accesibilidad, inglés como
lengua extranjera
ABSTRACT
Objective: To conduct a preliminary assessment of the content adequacy, usability, and
accessibility of Planet Lingua, a gamified HTML resource designed to teach English subject
pronouns in the eighth year of Ecuadorian upper basic education. Methods: An evaluative study
of a single digital resource was conducted using a quantitatively driven convergent mixed-
methods design (QUAN + qual). Three evaluation records obtained under non-equivalent
inspection conditions provided ratings on 46 adequacy criteria, Nielsen’s ten usability heuristics,
and 33 descriptive accessibility criteria derived from WCAG 2.2. Ordinal descriptive statistics,
Aiken’s V with 95% confidence intervals, Kendall’s W, exact agreement, and an ad hoc
descriptive accessibility score were calculated. Open-ended observations underwent directed
content analysis and were integrated with the quantitative results through joint displays. Results:
Of the 44 criteria with complete data, 23 showed high observed compliance, seven required
review, and 14 required priority correction. Overall descriptive concordance was W = .62, with
40.9% exact agreement. Thirty-five heuristic usability findings were recorded, four of which were
classified as critical, and 11 accessibility criteria received a majority of noncompliant ratings. The
main risks involved repeated submissions, incomplete keyboard operability, fixed-layout
behavior on narrow screens, and insufficient audio controls. Conclusions: The initial version
showed strengths in narrative design and gamification but did not provide sufficient evidence to
be considered adequate overall or conformant with WCAG 2.2. The improved version should
undergo a reproducible reevaluation before being tested with students.
Keywords: gamification, educational technology, usability, accessibility, English as a
foreign language
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
Vol. 13/ Núm. 3 2026 pág. 2747
INTRODUCCIÓN
La enseñanza del inglés como lengua extranjera incorpora recursos digitales interactivos
y diseños gamificados para organizar la práctica, ofrecer retroalimentación inmediata y sostener
la participación del estudiantado. En contextos de inglés como lengua extranjera o segunda
lengua, la gamificación ha utilizado puntos, insignias, niveles, narrativas, retos y tablas de
clasificación, con resultados generalmente favorables cuando las mecánicas se alinean con los
objetivos educativos y el contexto (Chan & Lo, 2024). Sus beneficios disminuyen cuando los
elementos de juego desplazan los objetivos lingüísticos o generan competencia excesiva,
distracción o sobrecarga (Zhang & Hasim, 2023). En este marco, la incorporación de Planet
Lingua exige una evaluación previa de su contenido, usabilidad y accesibilidad para octavo año
de Educación General Básica Superior.
En Ecuador, los juegos digitales han favorecido la práctica de gramática y vocabulario
cuando se articulan con propósitos lingüísticos definidos y retroalimentación pertinente (Castillo-
Cuesta, 2020). En Educación General Básica Superior de Manabí, una estrategia gamificada
activa y cooperativa respondió a dificultades de motivación y actitud identificadas mediante
diagnóstico institucional (Pionce-Mendoza et al., 2023). Estos antecedentes muestran que la
incorporación de misiones, puntos o insignias no garantiza por sí sola la calidad de un recurso.
Antes de utilizar Planet Lingua con estudiantes, es necesario examinar su precisión lingüística,
progresión didáctica, claridad de instrucciones, mecanismos de control y condiciones básicas de
acceso.
En los antecedentes nacionales consultados, la atención se ha concentrado principalmente
en la motivación, la participación y el desempeño, mientras que la evaluación técnica y
pedagógica de recursos específicos ha recibido menor atención. En bachillerato ecuatoriano, la
selección de recursos y reglas de juego se vinculó con los objetivos curriculares y las
características del grupo (Terán Ñacato et al., 2024). En la literatura sobre Duolingo, los efectos
de la gamificación móvil variaron según la población, la duración y los indicadores analizados
(Shortt et al., 2023). Por ello, la valoración previa de un recurso constituye una fase distinta de la
medición posterior de sus efectos sobre el aprendizaje.
La evaluación de Planet Lingua integró tres dimensiones que suelen examinarse por
separado: adecuación del contenido, usabilidad y accesibilidad. La evaluación externa de recursos
educativos digitales permite identificar debilidades de contenido, diseño pedagógico y
funcionalidad antes de su implementación (de la Rosa Gómez et al., 2019). Los marcos
fragmentados de validación limitan la interpretación integral de la calidad de los entornos
mediados por tecnología (van Haastrecht et al., 2024), mientras que las heurísticas de
accesibilidad complementan las comprobaciones técnicas al localizar barreras concretas de
percepción, navegación e interacción (Salvador-Ullauri et al., 2020). Un antecedente ecuatoriano
INTRODUCCIÓN
La enseñanza del inglés como lengua extranjera incorpora recursos digitales interactivos
y diseños gamificados para organizar la práctica, ofrecer retroalimentación inmediata y sostener
la participación del estudiantado. En contextos de inglés como lengua extranjera o segunda
lengua, la gamificación ha utilizado puntos, insignias, niveles, narrativas, retos y tablas de
clasificación, con resultados generalmente favorables cuando las mecánicas se alinean con los
objetivos educativos y el contexto (Chan & Lo, 2024). Sus beneficios disminuyen cuando los
elementos de juego desplazan los objetivos lingüísticos o generan competencia excesiva,
distracción o sobrecarga (Zhang & Hasim, 2023). En este marco, la incorporación de Planet
Lingua exige una evaluación previa de su contenido, usabilidad y accesibilidad para octavo año
de Educación General Básica Superior.
En Ecuador, los juegos digitales han favorecido la práctica de gramática y vocabulario
cuando se articulan con propósitos lingüísticos definidos y retroalimentación pertinente (Castillo-
Cuesta, 2020). En Educación General Básica Superior de Manabí, una estrategia gamificada
activa y cooperativa respondió a dificultades de motivación y actitud identificadas mediante
diagnóstico institucional (Pionce-Mendoza et al., 2023). Estos antecedentes muestran que la
incorporación de misiones, puntos o insignias no garantiza por sí sola la calidad de un recurso.
Antes de utilizar Planet Lingua con estudiantes, es necesario examinar su precisión lingüística,
progresión didáctica, claridad de instrucciones, mecanismos de control y condiciones básicas de
acceso.
En los antecedentes nacionales consultados, la atención se ha concentrado principalmente
en la motivación, la participación y el desempeño, mientras que la evaluación técnica y
pedagógica de recursos específicos ha recibido menor atención. En bachillerato ecuatoriano, la
selección de recursos y reglas de juego se vinculó con los objetivos curriculares y las
características del grupo (Terán Ñacato et al., 2024). En la literatura sobre Duolingo, los efectos
de la gamificación móvil variaron según la población, la duración y los indicadores analizados
(Shortt et al., 2023). Por ello, la valoración previa de un recurso constituye una fase distinta de la
medición posterior de sus efectos sobre el aprendizaje.
La evaluación de Planet Lingua integró tres dimensiones que suelen examinarse por
separado: adecuación del contenido, usabilidad y accesibilidad. La evaluación externa de recursos
educativos digitales permite identificar debilidades de contenido, diseño pedagógico y
funcionalidad antes de su implementación (de la Rosa Gómez et al., 2019). Los marcos
fragmentados de validación limitan la interpretación integral de la calidad de los entornos
mediados por tecnología (van Haastrecht et al., 2024), mientras que las heurísticas de
accesibilidad complementan las comprobaciones técnicas al localizar barreras concretas de
percepción, navegación e interacción (Salvador-Ullauri et al., 2020). Un antecedente ecuatoriano
Vol. 13/ Núm. 3 2026 pág. 2748
desarrollado parcialmente por el mismo equipo aplicó un esquema integrado a un recurso HTML
para enseñar entropía y produjo evidencia diagnóstica y prioridades de rediseño (Valarezo-
Chamba & Guerrero-Zambrano, 2026).
En las fuentes consultadas se identificaron estudios sobre los efectos motivacionales y
lingüísticos de la gamificación y un antecedente nacional que integró la evaluación del contenido,
la usabilidad y la accesibilidad en otro dominio educativo (Valarezo-Chamba & Guerrero-
Zambrano, 2026). Dentro del alcance no sistemático de esta revisión narrativa, no se identificaron
estudios directamente equivalentes aplicados a un recurso HTML gamificado para la enseñanza
de pronombres personales de sujeto en octavo año de Educación General Básica Superior. Los
resultados de la gamificación no deben generalizarse automáticamente entre plataformas o
poblaciones, porque dependen de la correspondencia entre mecánicas, metas de aprendizaje y
contexto (Chan & Lo, 2024). En consecuencia, se formuló la pregunta: ¿qué patrón de adecuación
del contenido, usabilidad y accesibilidad presenta Planet Lingua para la enseñanza de pronombres
personales de sujeto en inglés en octavo año de Educación General Básica Superior?
El propósito general fue valorar preliminarmente la adecuación del contenido, la
usabilidad y la accesibilidad de Planet Lingua para identificar fortalezas, limitaciones y
prioridades de mejora antes de su aplicación con estudiantes. El estudio no buscó certificar
conformidad formal con estándares ni estimar efectos causales sobre el aprendizaje; se orientó a
producir evidencia diagnóstica sobre el contenido, las cuatro misiones, los controles, la
retroalimentación y las barreras de acceso.
La pregunta principal se desagregó en cuatro preguntas: 1) ¿qué patrón de adecuación
lingüística, didáctica, narrativa, interactiva, gamificada y comunicativa presenta Planet Lingua?;
2) ¿qué problemas de usabilidad se identifican mediante las diez heurísticas de Nielsen y cuál es
su severidad?; 3) ¿qué barreras de accesibilidad se identifican mediante criterios agrupados en los
principios perceptible, operable, comprensible y robusto?; y 4) ¿qué ajustes deben priorizarse a
partir de la integración de los resultados? La contribución del estudio consiste en aplicar e
integrar, en un mismo caso educativo ecuatoriano, criterios lingüístico-didácticos, heurísticas de
usabilidad y principios descriptivos de accesibilidad, y en traducir sus resultados en prioridades
verificables de rediseño.
MATERIALES Y MÉTODOS
Diseño, unidad de análisis y registros de evaluación
Se realizó una investigación aplicada de carácter evaluativo sobre un único recurso digital
mediante un diseño mixto convergente de predominio cuantitativo (QUAN + qual) y
posicionamiento pragmático. La finalidad fue examinar una versión documentada de Planet
Lingua antes de su aplicación con estudiantes, sin manipular variables ni estimar efectos causales
sobre el aprendizaje. La unidad de análisis fue Planet Lingua; las unidades de observación fueron
desarrollado parcialmente por el mismo equipo aplicó un esquema integrado a un recurso HTML
para enseñar entropía y produjo evidencia diagnóstica y prioridades de rediseño (Valarezo-
Chamba & Guerrero-Zambrano, 2026).
En las fuentes consultadas se identificaron estudios sobre los efectos motivacionales y
lingüísticos de la gamificación y un antecedente nacional que integró la evaluación del contenido,
la usabilidad y la accesibilidad en otro dominio educativo (Valarezo-Chamba & Guerrero-
Zambrano, 2026). Dentro del alcance no sistemático de esta revisión narrativa, no se identificaron
estudios directamente equivalentes aplicados a un recurso HTML gamificado para la enseñanza
de pronombres personales de sujeto en octavo año de Educación General Básica Superior. Los
resultados de la gamificación no deben generalizarse automáticamente entre plataformas o
poblaciones, porque dependen de la correspondencia entre mecánicas, metas de aprendizaje y
contexto (Chan & Lo, 2024). En consecuencia, se formuló la pregunta: ¿qué patrón de adecuación
del contenido, usabilidad y accesibilidad presenta Planet Lingua para la enseñanza de pronombres
personales de sujeto en inglés en octavo año de Educación General Básica Superior?
El propósito general fue valorar preliminarmente la adecuación del contenido, la
usabilidad y la accesibilidad de Planet Lingua para identificar fortalezas, limitaciones y
prioridades de mejora antes de su aplicación con estudiantes. El estudio no buscó certificar
conformidad formal con estándares ni estimar efectos causales sobre el aprendizaje; se orientó a
producir evidencia diagnóstica sobre el contenido, las cuatro misiones, los controles, la
retroalimentación y las barreras de acceso.
La pregunta principal se desagregó en cuatro preguntas: 1) ¿qué patrón de adecuación
lingüística, didáctica, narrativa, interactiva, gamificada y comunicativa presenta Planet Lingua?;
2) ¿qué problemas de usabilidad se identifican mediante las diez heurísticas de Nielsen y cuál es
su severidad?; 3) ¿qué barreras de accesibilidad se identifican mediante criterios agrupados en los
principios perceptible, operable, comprensible y robusto?; y 4) ¿qué ajustes deben priorizarse a
partir de la integración de los resultados? La contribución del estudio consiste en aplicar e
integrar, en un mismo caso educativo ecuatoriano, criterios lingüístico-didácticos, heurísticas de
usabilidad y principios descriptivos de accesibilidad, y en traducir sus resultados en prioridades
verificables de rediseño.
MATERIALES Y MÉTODOS
Diseño, unidad de análisis y registros de evaluación
Se realizó una investigación aplicada de carácter evaluativo sobre un único recurso digital
mediante un diseño mixto convergente de predominio cuantitativo (QUAN + qual) y
posicionamiento pragmático. La finalidad fue examinar una versión documentada de Planet
Lingua antes de su aplicación con estudiantes, sin manipular variables ni estimar efectos causales
sobre el aprendizaje. La unidad de análisis fue Planet Lingua; las unidades de observación fueron
Vol. 13/ Núm. 3 2026 pág. 2749
las valoraciones asignadas a cada criterio y las observaciones abiertas asociadas. Las puntuaciones
y respuestas se trataron como datos agrupados por registro de evaluación y no como
observaciones independientes (Fetters et al., 2013; Kaushik & Walsh, 2019).
Por la naturaleza del estudio no se definió una población ni una muestra de estudiantes.
El conjunto analítico estuvo constituido por tres registros identificados como F1, F2 y F3 que
corresponde a tres evaluadores expertos en gamificación y en la enseñanza del inglés. El protocolo
previó perfiles en didáctica y pedagogía del inglés, tecnología educativa y gamificación aplicada
a la enseñanza del inglés, con formación o experiencia comprobable en al menos uno de los
dominios centrales, capacidad para ejecutar la actividad y disposición para documentar
evidencias. La documentación disponible fue heterogénea: F2 registró experiencia en inglés como
lengua extranjera, gamificación y desarrollo web; F1 presentó un dictamen técnico sin ficha
individual; y F3 dejó en blanco su caracterización. Esta limitación se mantuvo explícita y no se
imputó información no documentada (Yusoff, 2019).
Técnicas e instrumentos
La evaluación integró tres técnicas de inspección externa. La primera utilizó una matriz
ad hoc de adecuación del contenido con 46 afirmaciones agrupadas en seis dimensiones: precisión
lingüística y cobertura; coherencia didáctica y evaluación; narrativa y audio; mapa, navegación y
controles; gamificación y cierre; y comunicación, legibilidad y carga cognitiva. Cada afirmación
se valoró en una escala ordinal de cuatro categorías, desde 1 (no cumple) hasta 4 (cumple
totalmente); la opción «No observado» se excluyó de los cálculos. La matriz completa está
disponible en Figshare (Rodríguez-Calvache & Guerrero-Zambrano, 2026c). La matriz fue creada
para este caso y se utilizó con finalidad diagnóstica; no se interpretó como un instrumento
previamente validado.
La segunda técnica fue una evaluación heurística de usabilidad basada en las diez
heurísticas de Nielsen. El instrumento permitió registrar la heurística, la pantalla o estado, la tarea
afectada, el problema, la evidencia, la frecuencia, la severidad y una recomendación. La severidad
se clasificó de 0 a 4, desde ausencia de problema hasta problema crítico que impide una tarea
esencial o invalida el resultado; no se calculó una puntuación total de usabilidad. La matriz
completa está disponible en Figshare (Rodríguez-Calvache & Guerrero-Zambrano, 2026b;
Nielsen, 2024).
La tercera técnica utilizó una lista descriptiva de accesibilidad basada en WCAG 2.2, con
33 criterios organizados en los principios perceptible, operable, comprensible y robusto. Las
opciones fueron «Sí», «Parcial», «No» y «No aplica». El protocolo contempló pruebas de teclado,
foco, zoom del 200 %, ancho de 320 píxeles CSS, espaciado de texto, audio silenciado, reducción
de movimiento y dos navegadores cuando fuera posible. Los resultados se interpretaron como
descripción de barreras y no como certificación formal de conformidad. La lista completa está
disponible en Figshare (Rodríguez-Calvache & Guerrero-Zambrano, 2026a; World Wide Web
las valoraciones asignadas a cada criterio y las observaciones abiertas asociadas. Las puntuaciones
y respuestas se trataron como datos agrupados por registro de evaluación y no como
observaciones independientes (Fetters et al., 2013; Kaushik & Walsh, 2019).
Por la naturaleza del estudio no se definió una población ni una muestra de estudiantes.
El conjunto analítico estuvo constituido por tres registros identificados como F1, F2 y F3 que
corresponde a tres evaluadores expertos en gamificación y en la enseñanza del inglés. El protocolo
previó perfiles en didáctica y pedagogía del inglés, tecnología educativa y gamificación aplicada
a la enseñanza del inglés, con formación o experiencia comprobable en al menos uno de los
dominios centrales, capacidad para ejecutar la actividad y disposición para documentar
evidencias. La documentación disponible fue heterogénea: F2 registró experiencia en inglés como
lengua extranjera, gamificación y desarrollo web; F1 presentó un dictamen técnico sin ficha
individual; y F3 dejó en blanco su caracterización. Esta limitación se mantuvo explícita y no se
imputó información no documentada (Yusoff, 2019).
Técnicas e instrumentos
La evaluación integró tres técnicas de inspección externa. La primera utilizó una matriz
ad hoc de adecuación del contenido con 46 afirmaciones agrupadas en seis dimensiones: precisión
lingüística y cobertura; coherencia didáctica y evaluación; narrativa y audio; mapa, navegación y
controles; gamificación y cierre; y comunicación, legibilidad y carga cognitiva. Cada afirmación
se valoró en una escala ordinal de cuatro categorías, desde 1 (no cumple) hasta 4 (cumple
totalmente); la opción «No observado» se excluyó de los cálculos. La matriz completa está
disponible en Figshare (Rodríguez-Calvache & Guerrero-Zambrano, 2026c). La matriz fue creada
para este caso y se utilizó con finalidad diagnóstica; no se interpretó como un instrumento
previamente validado.
La segunda técnica fue una evaluación heurística de usabilidad basada en las diez
heurísticas de Nielsen. El instrumento permitió registrar la heurística, la pantalla o estado, la tarea
afectada, el problema, la evidencia, la frecuencia, la severidad y una recomendación. La severidad
se clasificó de 0 a 4, desde ausencia de problema hasta problema crítico que impide una tarea
esencial o invalida el resultado; no se calculó una puntuación total de usabilidad. La matriz
completa está disponible en Figshare (Rodríguez-Calvache & Guerrero-Zambrano, 2026b;
Nielsen, 2024).
La tercera técnica utilizó una lista descriptiva de accesibilidad basada en WCAG 2.2, con
33 criterios organizados en los principios perceptible, operable, comprensible y robusto. Las
opciones fueron «Sí», «Parcial», «No» y «No aplica». El protocolo contempló pruebas de teclado,
foco, zoom del 200 %, ancho de 320 píxeles CSS, espaciado de texto, audio silenciado, reducción
de movimiento y dos navegadores cuando fuera posible. Los resultados se interpretaron como
descripción de barreras y no como certificación formal de conformidad. La lista completa está
disponible en Figshare (Rodríguez-Calvache & Guerrero-Zambrano, 2026a; World Wide Web
Vol. 13/ Núm. 3 2026 pág. 2750
Consortium, 2024). Los códigos internos P, O, C y R se utilizaron exclusivamente para organizar
la lista y no equivalen a la numeración oficial de los criterios de éxito de WCAG 2.2.
Procedimiento
La fase evaluativa se organizó en cuatro etapas. Primero se consolidó la versión inicial
«Planet Lingua Prototipo.html», congelada el 27 de julio de 2026. Entre el 20 y el 27 de julio de
2026, las personas autoras realizaron pruebas funcionales internas en Google Chrome que
incluyeron apertura del HTML, registro de participantes, narrativas, mapa, cuatro misiones,
respuestas correctas e incorrectas, puntos, insignias, reporte y diploma. Estas comprobaciones
corrigieron fallos que impedían aplicar los instrumentos y no se incorporaron como resultados del
estudio.
En la segunda etapa se definió una ruta común de familiarización y revisión mediante los
tres instrumentos. En la tercera se depuraron los formularios, se verificaron decisiones globales,
opciones «No observado» y «No aplica» y evidencias asociadas con puntuaciones bajas, sin
imputar datos. La documentación mostró condiciones de evaluación desiguales: F1 correspondió
a una evaluación técnica funcional; F2 declaró una revisión estática sin ejecución en navegador;
y F3 no consignó dispositivo, navegador ni tecnología de asistencia. En la cuarta etapa se
efectuaron los análisis cuantitativo y cualitativo y se integraron los resultados mediante matrices
conjuntas que relacionaron puntuación, evidencia, consecuencia, acción de mejora y prioridad.
En consecuencia, los análisis de concordancia y recurrencia se interpretaron exclusivamente como
exploratorios.
Después de concluir la evaluación se desarrolló una versión mejorada con ajustes
derivados de los hallazgos. Este rediseño se consideró un producto posterior y no se incorporó a
los cálculos originales de V de Aiken, W de Kendall, evaluación heurística ni puntuación
descriptiva de accesibilidad.
Análisis de datos
La extracción, depuración y verificación de los datos, los análisis y la generación de tablas
se realizaron mediante Python 3.13.14, pandas 3.0.4, NumPy 2.5.0 y SciPy 1.18.0 (Python
Software Foundation, 2026; The pandas development team, 2026; NumPy Developers, 2026;
SciPy Developers, 2026). Para la adecuación del contenido se calcularon frecuencias, porcentajes,
mediana, rango intercuartílico, mínimo y máximo; la media y la desviación estándar se
mantuvieron como descriptores secundarios por el carácter ordinal de la escala.
La favorabilidad de las valoraciones se resumió de forma exploratoria mediante V de
Aiken con intervalos de confianza del 95 %. Con tres registros de valoración y cuatro categorías,
se aplicaron reglas operativas de interpretación definidas para este análisis: V entre 0,89 y 1,00
indicó cumplimiento observado alto; V = 0,78, revisión; y V igual o inferior a 0,67, corrección
prioritaria. Estas reglas no se trataron como umbrales universales. La concordancia se describió
mediante W de Kendall con corrección por empates, acuerdo exacto y amplitud media entre
Consortium, 2024). Los códigos internos P, O, C y R se utilizaron exclusivamente para organizar
la lista y no equivalen a la numeración oficial de los criterios de éxito de WCAG 2.2.
Procedimiento
La fase evaluativa se organizó en cuatro etapas. Primero se consolidó la versión inicial
«Planet Lingua Prototipo.html», congelada el 27 de julio de 2026. Entre el 20 y el 27 de julio de
2026, las personas autoras realizaron pruebas funcionales internas en Google Chrome que
incluyeron apertura del HTML, registro de participantes, narrativas, mapa, cuatro misiones,
respuestas correctas e incorrectas, puntos, insignias, reporte y diploma. Estas comprobaciones
corrigieron fallos que impedían aplicar los instrumentos y no se incorporaron como resultados del
estudio.
En la segunda etapa se definió una ruta común de familiarización y revisión mediante los
tres instrumentos. En la tercera se depuraron los formularios, se verificaron decisiones globales,
opciones «No observado» y «No aplica» y evidencias asociadas con puntuaciones bajas, sin
imputar datos. La documentación mostró condiciones de evaluación desiguales: F1 correspondió
a una evaluación técnica funcional; F2 declaró una revisión estática sin ejecución en navegador;
y F3 no consignó dispositivo, navegador ni tecnología de asistencia. En la cuarta etapa se
efectuaron los análisis cuantitativo y cualitativo y se integraron los resultados mediante matrices
conjuntas que relacionaron puntuación, evidencia, consecuencia, acción de mejora y prioridad.
En consecuencia, los análisis de concordancia y recurrencia se interpretaron exclusivamente como
exploratorios.
Después de concluir la evaluación se desarrolló una versión mejorada con ajustes
derivados de los hallazgos. Este rediseño se consideró un producto posterior y no se incorporó a
los cálculos originales de V de Aiken, W de Kendall, evaluación heurística ni puntuación
descriptiva de accesibilidad.
Análisis de datos
La extracción, depuración y verificación de los datos, los análisis y la generación de tablas
se realizaron mediante Python 3.13.14, pandas 3.0.4, NumPy 2.5.0 y SciPy 1.18.0 (Python
Software Foundation, 2026; The pandas development team, 2026; NumPy Developers, 2026;
SciPy Developers, 2026). Para la adecuación del contenido se calcularon frecuencias, porcentajes,
mediana, rango intercuartílico, mínimo y máximo; la media y la desviación estándar se
mantuvieron como descriptores secundarios por el carácter ordinal de la escala.
La favorabilidad de las valoraciones se resumió de forma exploratoria mediante V de
Aiken con intervalos de confianza del 95 %. Con tres registros de valoración y cuatro categorías,
se aplicaron reglas operativas de interpretación definidas para este análisis: V entre 0,89 y 1,00
indicó cumplimiento observado alto; V = 0,78, revisión; y V igual o inferior a 0,67, corrección
prioritaria. Estas reglas no se trataron como umbrales universales. La concordancia se describió
mediante W de Kendall con corrección por empates, acuerdo exacto y amplitud media entre
Vol. 13/ Núm. 3 2026 pág. 2751
puntuaciones; el valor p se consideró secundario por el número reducido de registros y por sus
condiciones heterogéneas (Legendre, 2005; Merino Soto & Livia Segovia, 2009).
Los problemas heurísticos se consolidaron cuando coincidieron en pantalla, tarea y
comportamiento observable, y se priorizaron según severidad y recurrencia. Para accesibilidad se
asignó 1 a «Sí», 0,5 a «Parcial» y 0 a «No», excluyendo «No aplica»; la puntuación se calculó
por registro y principio y se acompañó de un análisis de sensibilidad que asignó 0 a «Parcial».
Las observaciones abiertas se examinaron mediante análisis de contenido dirigido; las categorías
iniciales correspondieron a las seis dimensiones de contenido, las diez heurísticas y los cuatro
principios de accesibilidad. La integración se efectuó mediante matrices conjuntas y distinguió
convergencia, complementariedad y divergencia (Assarroudi et al., 2018). El detalle operacional,
las ecuaciones y las reglas completas se conservan en el material suplementario metodológico.
Consideraciones éticas
El estudio se limitó a la evaluación preliminar de un recurso educativo digital y no incluyó
estudiantes, menores de edad, usuarios con discapacidad ni una intervención pedagógica.
Tampoco se recolectaron resultados de aprendizaje, motivación, satisfacción o tiempo de
ejecución. Las personas evaluadoras participaron voluntariamente y fueron informadas sobre el
propósito del estudio, el uso académico de sus valoraciones y el tratamiento de la información.
Para proteger su identidad se emplearon los códigos F1, F2 y F3; no se publicaron datos
personales directamente identificables y se informó que la participación no implicaba
remuneración, riesgos físicos ni consecuencias académicas o laborales.
RESULTADOS
Descripción de Planet Lingua y disponibilidad del recurso
Planet Lingua es una actividad gamificada interactiva desarrollada para enseñar los
pronombres personales de sujeto I, you, he, she, it, we y they en octavo año de Educación General
Básica Superior. La versión inicial correspondió al archivo «Planet Lingua Prototipo.html», con
presentación visual desarrollada mediante hojas de estilo en cascada y lógica interactiva
implementada con JavaScript. El prototipo fue congelado el 27 de julio de 2026; el archivo exacto
se conserva sin las mejoras posteriores, no se puso a disposición pública y no se calculó una huella
digital SHA-256, limitación que se mantuvo en la trazabilidad del estudio.
La utilización del recurso comprende el registro de cuatro participantes o embajadores y
la selección de avatares; una narrativa general y cuatro misiones; síntesis de voz y control de
repetición de audio; un mapa con estados de avance; preguntas de selección y retroalimentación
para respuestas correctas e incorrectas; puntos, insignias, reporte general y diploma. Las misiones
organizan una progresión desde el reconocimiento del referente hasta la aplicación de los
pronombres en ejemplos variados.
puntuaciones; el valor p se consideró secundario por el número reducido de registros y por sus
condiciones heterogéneas (Legendre, 2005; Merino Soto & Livia Segovia, 2009).
Los problemas heurísticos se consolidaron cuando coincidieron en pantalla, tarea y
comportamiento observable, y se priorizaron según severidad y recurrencia. Para accesibilidad se
asignó 1 a «Sí», 0,5 a «Parcial» y 0 a «No», excluyendo «No aplica»; la puntuación se calculó
por registro y principio y se acompañó de un análisis de sensibilidad que asignó 0 a «Parcial».
Las observaciones abiertas se examinaron mediante análisis de contenido dirigido; las categorías
iniciales correspondieron a las seis dimensiones de contenido, las diez heurísticas y los cuatro
principios de accesibilidad. La integración se efectuó mediante matrices conjuntas y distinguió
convergencia, complementariedad y divergencia (Assarroudi et al., 2018). El detalle operacional,
las ecuaciones y las reglas completas se conservan en el material suplementario metodológico.
Consideraciones éticas
El estudio se limitó a la evaluación preliminar de un recurso educativo digital y no incluyó
estudiantes, menores de edad, usuarios con discapacidad ni una intervención pedagógica.
Tampoco se recolectaron resultados de aprendizaje, motivación, satisfacción o tiempo de
ejecución. Las personas evaluadoras participaron voluntariamente y fueron informadas sobre el
propósito del estudio, el uso académico de sus valoraciones y el tratamiento de la información.
Para proteger su identidad se emplearon los códigos F1, F2 y F3; no se publicaron datos
personales directamente identificables y se informó que la participación no implicaba
remuneración, riesgos físicos ni consecuencias académicas o laborales.
RESULTADOS
Descripción de Planet Lingua y disponibilidad del recurso
Planet Lingua es una actividad gamificada interactiva desarrollada para enseñar los
pronombres personales de sujeto I, you, he, she, it, we y they en octavo año de Educación General
Básica Superior. La versión inicial correspondió al archivo «Planet Lingua Prototipo.html», con
presentación visual desarrollada mediante hojas de estilo en cascada y lógica interactiva
implementada con JavaScript. El prototipo fue congelado el 27 de julio de 2026; el archivo exacto
se conserva sin las mejoras posteriores, no se puso a disposición pública y no se calculó una huella
digital SHA-256, limitación que se mantuvo en la trazabilidad del estudio.
La utilización del recurso comprende el registro de cuatro participantes o embajadores y
la selección de avatares; una narrativa general y cuatro misiones; síntesis de voz y control de
repetición de audio; un mapa con estados de avance; preguntas de selección y retroalimentación
para respuestas correctas e incorrectas; puntos, insignias, reporte general y diploma. Las misiones
organizan una progresión desde el reconocimiento del referente hasta la aplicación de los
pronombres en ejemplos variados.
Vol. 13/ Núm. 3 2026 pág. 2752
Después de integrar los hallazgos se desarrolló «Planet Lingua Mejorado.html» mediante
HTML, JavaScript y CSS, junto con archivos complementarios para su ejecución. Esta versión se
depositó en Figshare como recurso digital citable y no modificó los resultados obtenidos con la
versión inicial (Rodríguez-Calvache & Guerrero-Zambrano, 2026d). Enlace al recurso:
https://doi.org/10.6084/m9.figshare.33148544.v1. El recurso se distribuye bajo una licencia
Creative Commons Atribución-NoComercial-SinDerivadas (CC BY-NC-ND).
Como material metodológico complementario se encuentran depositados la matriz de
evaluación del contenido, la pertinencia didáctica y la calidad gamificada (Rodríguez-Calvache
& Guerrero-Zambrano, 2026c), la matriz de evaluación heurística de usabilidad (Rodríguez-
Calvache & Guerrero-Zambrano, 2026b) y la lista de verificación de accesibilidad según WCAG
2.2 (Rodríguez-Calvache & Guerrero-Zambrano, 2026a).
Integridad y alcance del conjunto de datos
La matriz de contenido generó ciento treinta y ocho celdas potenciales, correspondientes
a cuarenta y seis criterios por tres registros de evaluación. Se recuperaron ciento treinta y seis
puntuaciones válidas. El registro F1 aportó cuarenta y seis puntuaciones, F2 aportó cuarenta y
cuatro y F3 aportó cuarenta y seis. Los criterios C4 y C5 fueron registrados como no observados
por F2 porque la revisión se limitó al código y no verificó la síntesis de voz en ejecución. En
consecuencia, cuarenta y cuatro criterios dispusieron de tres valoraciones comparables y dos
quedaron con información incompleta.
La base de usabilidad incluyó treinta y cinco registros originales: dieciocho en F1, doce
en F2 y cinco en F3. La base de accesibilidad incluyó noventa y nueve respuestas, con un criterio
No aplica en F2 para la compatibilidad entre navegadores. La documentación de los registros fue
desigual. F1 se presentó como una evaluación técnica funcional, F2 declaró una revisión estática
sin dispositivo ni navegador y F3 no incluyó los metadatos de la persona evaluadora ni de las
condiciones de prueba. Esta heterogeneidad limitó la interpretación del acuerdo y obligó a tratar
los resultados como evidencia preliminar de tres registros con documentación desigual, no como
validación definitiva de un panel homogéneo e independiente.
La Tabla 1 sintetiza la integridad y el alcance de cada registro. F1 aportó información
completa en los tres instrumentos, aunque su documento de contenido resumió la evaluación sin
una ficha individual de caracterización. F2 documentó su naturaleza estática y registró dos
criterios no observados en audio. F3 completó los instrumentos, pero dejó sin consignar los
metadatos de la persona evaluadora y de las condiciones tecnológicas.
Después de integrar los hallazgos se desarrolló «Planet Lingua Mejorado.html» mediante
HTML, JavaScript y CSS, junto con archivos complementarios para su ejecución. Esta versión se
depositó en Figshare como recurso digital citable y no modificó los resultados obtenidos con la
versión inicial (Rodríguez-Calvache & Guerrero-Zambrano, 2026d). Enlace al recurso:
https://doi.org/10.6084/m9.figshare.33148544.v1. El recurso se distribuye bajo una licencia
Creative Commons Atribución-NoComercial-SinDerivadas (CC BY-NC-ND).
Como material metodológico complementario se encuentran depositados la matriz de
evaluación del contenido, la pertinencia didáctica y la calidad gamificada (Rodríguez-Calvache
& Guerrero-Zambrano, 2026c), la matriz de evaluación heurística de usabilidad (Rodríguez-
Calvache & Guerrero-Zambrano, 2026b) y la lista de verificación de accesibilidad según WCAG
2.2 (Rodríguez-Calvache & Guerrero-Zambrano, 2026a).
Integridad y alcance del conjunto de datos
La matriz de contenido generó ciento treinta y ocho celdas potenciales, correspondientes
a cuarenta y seis criterios por tres registros de evaluación. Se recuperaron ciento treinta y seis
puntuaciones válidas. El registro F1 aportó cuarenta y seis puntuaciones, F2 aportó cuarenta y
cuatro y F3 aportó cuarenta y seis. Los criterios C4 y C5 fueron registrados como no observados
por F2 porque la revisión se limitó al código y no verificó la síntesis de voz en ejecución. En
consecuencia, cuarenta y cuatro criterios dispusieron de tres valoraciones comparables y dos
quedaron con información incompleta.
La base de usabilidad incluyó treinta y cinco registros originales: dieciocho en F1, doce
en F2 y cinco en F3. La base de accesibilidad incluyó noventa y nueve respuestas, con un criterio
No aplica en F2 para la compatibilidad entre navegadores. La documentación de los registros fue
desigual. F1 se presentó como una evaluación técnica funcional, F2 declaró una revisión estática
sin dispositivo ni navegador y F3 no incluyó los metadatos de la persona evaluadora ni de las
condiciones de prueba. Esta heterogeneidad limitó la interpretación del acuerdo y obligó a tratar
los resultados como evidencia preliminar de tres registros con documentación desigual, no como
validación definitiva de un panel homogéneo e independiente.
La Tabla 1 sintetiza la integridad y el alcance de cada registro. F1 aportó información
completa en los tres instrumentos, aunque su documento de contenido resumió la evaluación sin
una ficha individual de caracterización. F2 documentó su naturaleza estática y registró dos
criterios no observados en audio. F3 completó los instrumentos, pero dejó sin consignar los
metadatos de la persona evaluadora y de las condiciones tecnológicas.
Vol. 13/ Núm. 3 2026 pág. 2753
Tabla 1
Integridad y alcance del conjunto de datos por registro de evaluación
Registro Naturaleza Contenido
válido
Hallazgos
de
usabilidad
Accesibilidad
aplicable Ausencias Condiciones
documentadas
F1
Evaluación
técnica
funcional
46 de 46 18 33 de 33 Sin N/O ni
N/A
Ficha individual
no disponible en
el resumen
F2
Revisión
estática EXP-
IA-PL-01
44 de 46 12 32 de 33
C4 y C5
como N/O;
R6 como
N/A
Sin dispositivo
ni navegador
por revisión de
código
F3 Matriz
complementaria 46 de 46 5 33 de 33 Sin N/O ni
N/A
Código, fecha,
institución,
dispositivo y
navegador no
consignados
Nota. N/O significa No observado y N/A significa No aplica. La tabla describe la documentación recuperada y no
presupone equivalencia entre los tres registros ni independencia entre las valoraciones asociadas.
Distribución de las puntuaciones y resultados por dimensión
Las distribuciones por dimensión mostraron un patrón sistemático de mayor favorabilidad
en F3 y menor en F1. Las medianas oscilaron entre 2,00 y 4,00. F1 registró la mediana más baja
en precisión lingüística y cobertura, con 2,00, mientras que F3 alcanzó una mediana de 4,00 en
las seis dimensiones. Los descriptores ordinales completos por dimensión y registro se presentan
en la Tabla S2 del material suplementario.
Valoración exploratoria por ítem mediante el índice V de Aiken
Entre los cuarenta y cuatro criterios completos, veintitrés alcanzaron la categoría
operativa de cumplimiento observado alto definida para el estudio, siete quedaron en revisión y
catorce requirieron corrección prioritaria. Los criterios B9, C7 y D7 obtuvieron V de 0,33, el valor
más bajo observado. B9 examinó la participación de los cuatro embajadores; C7 evaluó la
interferencia y el control del audio; y D7 examinó la prevención de envíos múltiples.
La Tabla S3 del material suplementario reúne los veintiún criterios clasificados para
revisión o corrección prioritaria. Los IC 95 % fueron amplios, por lo que cada decisión se
interpretó junto con las puntuaciones individuales y las observaciones textuales. C4 y C5 no se
incluyeron porque solo tuvieron dos valoraciones válidas y requirieron una prueba de audio en
ejecución.
Tabla 1
Integridad y alcance del conjunto de datos por registro de evaluación
Registro Naturaleza Contenido
válido
Hallazgos
de
usabilidad
Accesibilidad
aplicable Ausencias Condiciones
documentadas
F1
Evaluación
técnica
funcional
46 de 46 18 33 de 33 Sin N/O ni
N/A
Ficha individual
no disponible en
el resumen
F2
Revisión
estática EXP-
IA-PL-01
44 de 46 12 32 de 33
C4 y C5
como N/O;
R6 como
N/A
Sin dispositivo
ni navegador
por revisión de
código
F3 Matriz
complementaria 46 de 46 5 33 de 33 Sin N/O ni
N/A
Código, fecha,
institución,
dispositivo y
navegador no
consignados
Nota. N/O significa No observado y N/A significa No aplica. La tabla describe la documentación recuperada y no
presupone equivalencia entre los tres registros ni independencia entre las valoraciones asociadas.
Distribución de las puntuaciones y resultados por dimensión
Las distribuciones por dimensión mostraron un patrón sistemático de mayor favorabilidad
en F3 y menor en F1. Las medianas oscilaron entre 2,00 y 4,00. F1 registró la mediana más baja
en precisión lingüística y cobertura, con 2,00, mientras que F3 alcanzó una mediana de 4,00 en
las seis dimensiones. Los descriptores ordinales completos por dimensión y registro se presentan
en la Tabla S2 del material suplementario.
Valoración exploratoria por ítem mediante el índice V de Aiken
Entre los cuarenta y cuatro criterios completos, veintitrés alcanzaron la categoría
operativa de cumplimiento observado alto definida para el estudio, siete quedaron en revisión y
catorce requirieron corrección prioritaria. Los criterios B9, C7 y D7 obtuvieron V de 0,33, el valor
más bajo observado. B9 examinó la participación de los cuatro embajadores; C7 evaluó la
interferencia y el control del audio; y D7 examinó la prevención de envíos múltiples.
La Tabla S3 del material suplementario reúne los veintiún criterios clasificados para
revisión o corrección prioritaria. Los IC 95 % fueron amplios, por lo que cada decisión se
interpretó junto con las puntuaciones individuales y las observaciones textuales. C4 y C5 no se
incluyeron porque solo tuvieron dos valoraciones válidas y requirieron una prueba de audio en
ejecución.
Vol. 13/ Núm. 3 2026 pág. 2754
. Concordancia entre los registros de evaluación
La concordancia global descriptiva entre los tres registros fue W = 0,62 y el acuerdo
exacto alcanzó 40,9 %. Las valoraciones conservaron un orden parcialmente semejante, pero no
coincidieron en la categoría asignada a la mayoría de los criterios. Como se presenta en la Tabla
2, narrativa y audio registró el mayor valor de W, con 0,83, mientras que comunicación y carga
cognitiva obtuvo 0,28.
La precisión lingüística mostró W = 0,74, pero solo 14,3 % de acuerdo exacto. Este patrón
se produjo porque los registros coincidieron en el orden relativo de varios criterios, aunque
utilizaron categorías distintas. La dimensión de comunicación presentó la amplitud media más
alta, con 1,20 puntos, y reflejó diferencias sobre legibilidad en pantallas pequeñas, carga cognitiva
y representación de estados visuales.
Tabla 2
Concordancia global y por dimensión
Ámbito Ítems W Acuerdo
exacto %
Amplitud
media p
Global 44 0,62 40,9 0,93 0,001
Precisión lingüística y cobertura 7 0,74 14,3 1,14 0,038
Coherencia didáctica y evaluación 9 0,58 22,2 1,11 0,086
Narrativa, audio y experiencia
audiovisual 6 0,83 66,7 0,33 0,029
Mapa, navegación y controles 8 0,66 62,5 0,75 0,052
Gamificación, puntos, insignias y cierre 9 0,52 55,6 1,00 0,132
Comunicación, legibilidad y carga
cognitiva 5 0,28 20,0 1,20 0,504
Nota. W se calculó con corrección por empates. La amplitud media corresponde al promedio de la diferencia entre la
puntuación máxima y mínima asignadas a cada ítem. El valor p es secundario y no sustituye la revisión de
discrepancias, debido al número reducido de registros, a sus condiciones heterogéneas y a que la independencia de
las valoraciones no fue confirmada.
Integración de las observaciones y prioridades de ajuste
La integración cualitativa mostró convergencia en la insuficiente participación de los
cuatro embajadores, el control limitado del audio, la necesidad de mejorar la adaptación a
pantallas estrechas y la presencia de barreras semánticas. Las divergencias se concentraron en
comportamientos verificables del HTML, principalmente la cobertura efectiva de I y you, la
retroalimentación contradictoria, el envío múltiple, el momento en que se comunica la regla del
100 % y la proporcionalidad del diploma. La Tabla S4 del material suplementario resume las
principales relaciones entre registros y las acciones derivadas.
. Concordancia entre los registros de evaluación
La concordancia global descriptiva entre los tres registros fue W = 0,62 y el acuerdo
exacto alcanzó 40,9 %. Las valoraciones conservaron un orden parcialmente semejante, pero no
coincidieron en la categoría asignada a la mayoría de los criterios. Como se presenta en la Tabla
2, narrativa y audio registró el mayor valor de W, con 0,83, mientras que comunicación y carga
cognitiva obtuvo 0,28.
La precisión lingüística mostró W = 0,74, pero solo 14,3 % de acuerdo exacto. Este patrón
se produjo porque los registros coincidieron en el orden relativo de varios criterios, aunque
utilizaron categorías distintas. La dimensión de comunicación presentó la amplitud media más
alta, con 1,20 puntos, y reflejó diferencias sobre legibilidad en pantallas pequeñas, carga cognitiva
y representación de estados visuales.
Tabla 2
Concordancia global y por dimensión
Ámbito Ítems W Acuerdo
exacto %
Amplitud
media p
Global 44 0,62 40,9 0,93 0,001
Precisión lingüística y cobertura 7 0,74 14,3 1,14 0,038
Coherencia didáctica y evaluación 9 0,58 22,2 1,11 0,086
Narrativa, audio y experiencia
audiovisual 6 0,83 66,7 0,33 0,029
Mapa, navegación y controles 8 0,66 62,5 0,75 0,052
Gamificación, puntos, insignias y cierre 9 0,52 55,6 1,00 0,132
Comunicación, legibilidad y carga
cognitiva 5 0,28 20,0 1,20 0,504
Nota. W se calculó con corrección por empates. La amplitud media corresponde al promedio de la diferencia entre la
puntuación máxima y mínima asignadas a cada ítem. El valor p es secundario y no sustituye la revisión de
discrepancias, debido al número reducido de registros, a sus condiciones heterogéneas y a que la independencia de
las valoraciones no fue confirmada.
Integración de las observaciones y prioridades de ajuste
La integración cualitativa mostró convergencia en la insuficiente participación de los
cuatro embajadores, el control limitado del audio, la necesidad de mejorar la adaptación a
pantallas estrechas y la presencia de barreras semánticas. Las divergencias se concentraron en
comportamientos verificables del HTML, principalmente la cobertura efectiva de I y you, la
retroalimentación contradictoria, el envío múltiple, el momento en que se comunica la regla del
100 % y la proporcionalidad del diploma. La Tabla S4 del material suplementario resume las
principales relaciones entre registros y las acciones derivadas.
Vol. 13/ Núm. 3 2026 pág. 2755
Evaluación heurística de usabilidad
Los treinta y cinco registros de usabilidad se distribuyeron en tres problemas cosméticos,
diecinueve menores, nueve mayores y cuatro críticos. Las heurísticas H3, H5 y H7 concentraron
seis registros cada una. H5 y H7 acumularon los cuatro hallazgos críticos: envío múltiple, acceso
al mapa mediante teclado y adaptación a pantallas estrechas. La distribución de los registros
originales antes de consolidar problemas equivalentes y el número de registros con hallazgos por
heurística se presentan en la Tabla S5 del material suplementario.
Después de consolidar descripciones equivalentes, se identificaron seis problemas
recurrentes en dos o más registros. La Tabla 3 muestra que el envío múltiple y la falta de
operabilidad del mapa por teclado recibieron las severidades máximas más altas. La ausencia de
control independiente de la música fue el único problema registrado de forma directa en F1 y F3
y respaldado adicionalmente por las listas de verificación de accesibilidad.
Tabla 3
Problemas recurrentes identificados en dos o más registros
Problema
consolidado H Registros Sev.
máx. Consecuencia Acción
Envío múltiple
duplica puntos H5 F1, F2 4
Invalida puntaje,
insignia, reporte y
diploma.
Deshabilitar Enviar y
opciones tras la primera
respuesta.
Mapa no operable
por teclado H7 F1, F2 4 Impide una tarea
esencial sin puntero.
Sustituir div por button y
gestionar foco y teclado.
Diseño fijo en
pantalla estrecha H7 F1, F2 4 Puede recortar o
superponer controles.
Aplicar reflujo, media
queries y recorrido
vertical.
Control de música
insuficiente H3 F1, F3 3 Reduce control y puede
interferir con la voz.
Añadir pausa, silencio,
volumen y estado visible.
Criterio de insignia
no anticipado H6 F1, F2 2
La regla se conoce
después de completar
la misión.
Mostrar el requisito del
100 % antes de iniciar.
Validación de
nombres
insuficiente
H5 F2, F3 2
Admite entradas poco
informativas o
duplicadas.
Aplicar trim, longitud
mínima y control de
duplicados.
Nota. La recurrencia se estableció por equivalencia funcional, no por coincidencia literal. La severidad máxima se
conservó para priorizar el rediseño de riesgos esenciales. Dado que la independencia de las valoraciones no fue
confirmada, la recurrencia se interpreta de forma exploratoria.
Evaluación heurística de usabilidad
Los treinta y cinco registros de usabilidad se distribuyeron en tres problemas cosméticos,
diecinueve menores, nueve mayores y cuatro críticos. Las heurísticas H3, H5 y H7 concentraron
seis registros cada una. H5 y H7 acumularon los cuatro hallazgos críticos: envío múltiple, acceso
al mapa mediante teclado y adaptación a pantallas estrechas. La distribución de los registros
originales antes de consolidar problemas equivalentes y el número de registros con hallazgos por
heurística se presentan en la Tabla S5 del material suplementario.
Después de consolidar descripciones equivalentes, se identificaron seis problemas
recurrentes en dos o más registros. La Tabla 3 muestra que el envío múltiple y la falta de
operabilidad del mapa por teclado recibieron las severidades máximas más altas. La ausencia de
control independiente de la música fue el único problema registrado de forma directa en F1 y F3
y respaldado adicionalmente por las listas de verificación de accesibilidad.
Tabla 3
Problemas recurrentes identificados en dos o más registros
Problema
consolidado H Registros Sev.
máx. Consecuencia Acción
Envío múltiple
duplica puntos H5 F1, F2 4
Invalida puntaje,
insignia, reporte y
diploma.
Deshabilitar Enviar y
opciones tras la primera
respuesta.
Mapa no operable
por teclado H7 F1, F2 4 Impide una tarea
esencial sin puntero.
Sustituir div por button y
gestionar foco y teclado.
Diseño fijo en
pantalla estrecha H7 F1, F2 4 Puede recortar o
superponer controles.
Aplicar reflujo, media
queries y recorrido
vertical.
Control de música
insuficiente H3 F1, F3 3 Reduce control y puede
interferir con la voz.
Añadir pausa, silencio,
volumen y estado visible.
Criterio de insignia
no anticipado H6 F1, F2 2
La regla se conoce
después de completar
la misión.
Mostrar el requisito del
100 % antes de iniciar.
Validación de
nombres
insuficiente
H5 F2, F3 2
Admite entradas poco
informativas o
duplicadas.
Aplicar trim, longitud
mínima y control de
duplicados.
Nota. La recurrencia se estableció por equivalencia funcional, no por coincidencia literal. La severidad máxima se
conservó para priorizar el rediseño de riesgos esenciales. Dado que la independencia de las valoraciones no fue
confirmada, la recurrencia se interpreta de forma exploratoria.
Vol. 13/ Núm. 3 2026 pág. 2756
Accesibilidad según los principios WCAG 2.2
Las puntuaciones descriptivas de accesibilidad variaron de forma amplia entre registros.
El valor global fue 33,3 % en F1, 46,9 % en F2 y 78,8 % en F3. La puntuación completa por
principio y registro se presenta en la Tabla S6 del material suplementario. El principio robusto
obtuvo los valores más bajos en F1 y F2, con 14,3 % y 16,7 %, respectivamente, mientras que F3
asignó 64,3 %.
Once criterios recibieron No en al menos dos registros. La Tabla 4 concentra estos
criterios, que abarcaron control de audio, marcado del idioma, navegación por teclado, estados
programáticos, reducción de movimiento, etiquetas de campos, ayuda, anuncios dinámicos,
agrupación de opciones, bloqueo de misiones y adaptación responsiva. P7 fue el único criterio
calificado como No en los tres registros.
Tabla 4
Criterios con mayoría de incumplimiento
Código Criterio F1 F2 F3 N.º
No Prioridad Acción
P7
Control
independiente de
audio
No No No 3 Alta Añadir pausa, silencio
y volumen.
P9 Idioma principal y
fragmentos en inglés No No Parcial 2 Media Marcar lang="en" en
contenido inglés.
O1
Operabilidad
completa mediante
teclado
No No Parcial 2 Alta
Habilitar Tab, Enter y
espacio en todas las
funciones.
O4
Estado programático
de la opción
seleccionada
No No Sí 2 Alta Usar aria-checked o
estado equivalente.
O5
Reducción o
detención del
movimiento
No No Parcial 2 Alta Respetar prefers-
reduced-motion.
C5
Etiquetas
programáticas de
campos
No No Parcial 2 Media Asociar label con cada
input.
C8 Ayuda localizable y
consistente No No Sí 2 Media
Añadir ayuda
persistente y
localizable.
Accesibilidad según los principios WCAG 2.2
Las puntuaciones descriptivas de accesibilidad variaron de forma amplia entre registros.
El valor global fue 33,3 % en F1, 46,9 % en F2 y 78,8 % en F3. La puntuación completa por
principio y registro se presenta en la Tabla S6 del material suplementario. El principio robusto
obtuvo los valores más bajos en F1 y F2, con 14,3 % y 16,7 %, respectivamente, mientras que F3
asignó 64,3 %.
Once criterios recibieron No en al menos dos registros. La Tabla 4 concentra estos
criterios, que abarcaron control de audio, marcado del idioma, navegación por teclado, estados
programáticos, reducción de movimiento, etiquetas de campos, ayuda, anuncios dinámicos,
agrupación de opciones, bloqueo de misiones y adaptación responsiva. P7 fue el único criterio
calificado como No en los tres registros.
Tabla 4
Criterios con mayoría de incumplimiento
Código Criterio F1 F2 F3 N.º
No Prioridad Acción
P7
Control
independiente de
audio
No No No 3 Alta Añadir pausa, silencio
y volumen.
P9 Idioma principal y
fragmentos en inglés No No Parcial 2 Media Marcar lang="en" en
contenido inglés.
O1
Operabilidad
completa mediante
teclado
No No Parcial 2 Alta
Habilitar Tab, Enter y
espacio en todas las
funciones.
O4
Estado programático
de la opción
seleccionada
No No Sí 2 Alta Usar aria-checked o
estado equivalente.
O5
Reducción o
detención del
movimiento
No No Parcial 2 Alta Respetar prefers-
reduced-motion.
C5
Etiquetas
programáticas de
campos
No No Parcial 2 Media Asociar label con cada
input.
C8 Ayuda localizable y
consistente No No Sí 2 Media
Añadir ayuda
persistente y
localizable.
Vol. 13/ Núm. 3 2026 pág. 2757
Código Criterio F1 F2 F3 N.º
No Prioridad Acción
R2 Anuncio de cambios
dinámicos No No Parcial 2 Alta Incorporar aria-live o
role status.
R3 Grupo y estado de
opciones No No Parcial 2 Alta
Usar radiogroup y
radio o semántica
equivalente.
R5 Estado programático
de misión bloqueada No No Parcial 2 Alta Usar disabled o aria-
disabled.
R7 Reflujo y adaptación
a ventana estrecha No No Parcial 2 Alta Implementar reflujo y
media queries.
Nota. La mayoría de incumplimiento se definió como dos o más respuestas No. Las respuestas Parcial se conservaron
para mostrar la dirección de la discrepancia. Los códigos P, O, C y R corresponden a categorías internas del
instrumento y no a la numeración oficial de criterios de éxito de WCAG 2.2.
Integración de la adecuación del contenido, la usabilidad y la accesibilidad
La integración identificó problemas que afectaron simultáneamente el contenido, la
usabilidad y la accesibilidad. El envío múltiple comprometió la integridad del puntaje y la
prevención de errores; el mapa no semántico afectó la navegación, la operabilidad por teclado y
la robustez; y el audio sin control independiente afectó la experiencia audiovisual, el control del
usuario y la percepción del contenido. La Tabla 5 organiza las acciones resultantes según
prioridad, componente, criterio de aceptación y forma de verificación.
La Tabla 5 traduce los resultados en criterios verificables para una nueva versión. Las
acciones críticas se consideraron necesarias antes de utilizar Planet Lingua como actividad
autónoma o como instrumento con puntaje. Las acciones altas podían implementarse en la misma
iteración y verificarse mediante una reevaluación focalizada.
Tabla 5
Integración final y prioridades de rediseño
Prioridad Acción Componentes Criterio de aceptación Verificación
Crítica
Bloquear el envío
múltiple y preservar
un único resultado
por pregunta.
Botón Enviar,
opciones,
puntaje,
insignias.
Cada pregunta modifica
el puntaje una sola vez y
el máximo permanece en
1700.
Prueba funcional
con respuestas
repetidas.
Crítica
Convertir mapa y
trofeo en controles
semánticos operables
por teclado.
Mapa, misiones,
cofre final.
Todos los elementos
reciben foco, responden a
Enter y espacio y
comunican bloqueo.
Recorrido
completo solo
con teclado y
lector de
pantalla.
Código Criterio F1 F2 F3 N.º
No Prioridad Acción
R2 Anuncio de cambios
dinámicos No No Parcial 2 Alta Incorporar aria-live o
role status.
R3 Grupo y estado de
opciones No No Parcial 2 Alta
Usar radiogroup y
radio o semántica
equivalente.
R5 Estado programático
de misión bloqueada No No Parcial 2 Alta Usar disabled o aria-
disabled.
R7 Reflujo y adaptación
a ventana estrecha No No Parcial 2 Alta Implementar reflujo y
media queries.
Nota. La mayoría de incumplimiento se definió como dos o más respuestas No. Las respuestas Parcial se conservaron
para mostrar la dirección de la discrepancia. Los códigos P, O, C y R corresponden a categorías internas del
instrumento y no a la numeración oficial de criterios de éxito de WCAG 2.2.
Integración de la adecuación del contenido, la usabilidad y la accesibilidad
La integración identificó problemas que afectaron simultáneamente el contenido, la
usabilidad y la accesibilidad. El envío múltiple comprometió la integridad del puntaje y la
prevención de errores; el mapa no semántico afectó la navegación, la operabilidad por teclado y
la robustez; y el audio sin control independiente afectó la experiencia audiovisual, el control del
usuario y la percepción del contenido. La Tabla 5 organiza las acciones resultantes según
prioridad, componente, criterio de aceptación y forma de verificación.
La Tabla 5 traduce los resultados en criterios verificables para una nueva versión. Las
acciones críticas se consideraron necesarias antes de utilizar Planet Lingua como actividad
autónoma o como instrumento con puntaje. Las acciones altas podían implementarse en la misma
iteración y verificarse mediante una reevaluación focalizada.
Tabla 5
Integración final y prioridades de rediseño
Prioridad Acción Componentes Criterio de aceptación Verificación
Crítica
Bloquear el envío
múltiple y preservar
un único resultado
por pregunta.
Botón Enviar,
opciones,
puntaje,
insignias.
Cada pregunta modifica
el puntaje una sola vez y
el máximo permanece en
1700.
Prueba funcional
con respuestas
repetidas.
Crítica
Convertir mapa y
trofeo en controles
semánticos operables
por teclado.
Mapa, misiones,
cofre final.
Todos los elementos
reciben foco, responden a
Enter y espacio y
comunican bloqueo.
Recorrido
completo solo
con teclado y
lector de
pantalla.
Vol. 13/ Núm. 3 2026 pág. 2758
Prioridad Acción Componentes Criterio de aceptación Verificación
Crítica
Implementar reflujo
y adaptación
responsiva.
Contenedor,
terminal, mapa,
reporte y
diploma.
No existe pérdida de
contenido a zoom 200 %
ni a 320 píxeles CSS.
Pruebas en dos
navegadores y
tres tamaños.
Alta
Corregir cobertura,
distractores y
retroalimentación.
Banco de
diecisiete
preguntas y
mensajes.
Los siete pronombres son
respuestas objetivo; no
hay mensajes
contradictorios.
Auditoría del
banco y prueba
de todas las
rutas.
Alta
Añadir controles
completos de audio y
selección de idioma.
Música, voz y
botón de
repetición.
El usuario puede pausar,
silenciar y ajustar; el
inglés usa voz o locale
apropiado.
Prueba auditiva
en dos
navegadores.
Alta
Incorporar labels,
aria-live, agrupación
y estados accesibles.
Registro,
opciones,
terminal y mapa.
Nombre, función, valor y
cambios dinámicos son
determinables
programáticamente.
Inspección del
árbol de
accesibilidad y
lector de
pantalla.
Alta
Hacer explícita la
dinámica grupal y las
reglas de insignia.
Registro,
introducción y
misiones.
Cada pregunta asigna rol
o turno; el criterio del 100
% aparece antes de
iniciar.
Prueba de
comprensión con
usuarios.
Alta
Reformular el
diploma y unificar
terminología.
Reporte, diploma
y equipos.
El reconocimiento se
limita a pronombres
personales y usa términos
consistentes.
Revisión
lingüística y
didáctica.
Media
Añadir ayuda,
revisión de errores y
progreso persistente.
Mapa, reporte y
cierre.
La ayuda es localizable y
el reporte muestra
preguntas falladas y
progreso.
Inspección
heurística
posterior.
Nota. Los criterios de aceptación permiten cerrar cada ajuste mediante evidencia observable. La prueba con usuarios
se propone después de corregir las barreras críticas de la versión inicial.
Síntesis evaluativa y análisis de sensibilidad
La síntesis integrada indicó la necesidad de ajustes sustantivos y de una reevaluación
focalizada antes de utilizar el recurso de manera autónoma o interpretar sus puntuaciones con
Prioridad Acción Componentes Criterio de aceptación Verificación
Crítica
Implementar reflujo
y adaptación
responsiva.
Contenedor,
terminal, mapa,
reporte y
diploma.
No existe pérdida de
contenido a zoom 200 %
ni a 320 píxeles CSS.
Pruebas en dos
navegadores y
tres tamaños.
Alta
Corregir cobertura,
distractores y
retroalimentación.
Banco de
diecisiete
preguntas y
mensajes.
Los siete pronombres son
respuestas objetivo; no
hay mensajes
contradictorios.
Auditoría del
banco y prueba
de todas las
rutas.
Alta
Añadir controles
completos de audio y
selección de idioma.
Música, voz y
botón de
repetición.
El usuario puede pausar,
silenciar y ajustar; el
inglés usa voz o locale
apropiado.
Prueba auditiva
en dos
navegadores.
Alta
Incorporar labels,
aria-live, agrupación
y estados accesibles.
Registro,
opciones,
terminal y mapa.
Nombre, función, valor y
cambios dinámicos son
determinables
programáticamente.
Inspección del
árbol de
accesibilidad y
lector de
pantalla.
Alta
Hacer explícita la
dinámica grupal y las
reglas de insignia.
Registro,
introducción y
misiones.
Cada pregunta asigna rol
o turno; el criterio del 100
% aparece antes de
iniciar.
Prueba de
comprensión con
usuarios.
Alta
Reformular el
diploma y unificar
terminología.
Reporte, diploma
y equipos.
El reconocimiento se
limita a pronombres
personales y usa términos
consistentes.
Revisión
lingüística y
didáctica.
Media
Añadir ayuda,
revisión de errores y
progreso persistente.
Mapa, reporte y
cierre.
La ayuda es localizable y
el reporte muestra
preguntas falladas y
progreso.
Inspección
heurística
posterior.
Nota. Los criterios de aceptación permiten cerrar cada ajuste mediante evidencia observable. La prueba con usuarios
se propone después de corregir las barreras críticas de la versión inicial.
Síntesis evaluativa y análisis de sensibilidad
La síntesis integrada indicó la necesidad de ajustes sustantivos y de una reevaluación
focalizada antes de utilizar el recurso de manera autónoma o interpretar sus puntuaciones con
Vol. 13/ Núm. 3 2026 pág. 2759
fines evaluativos. Esta decisión se sustentó en catorce ítems con corrección prioritaria, cuatro
registros heurísticos críticos y once criterios de accesibilidad con mayoría de incumplimiento. Las
fortalezas de la narrativa, el mapa visual, los puntos, las insignias y el reporte no compensaron
los riesgos que podían invalidar el puntaje o impedir funciones esenciales.
El análisis de sensibilidad mostró dependencia del registro más favorable y de la
ponderación de Parcial. En un escenario de sensibilidad que excluyó F3, dieciséis criterios
alcanzaron el máximo posible, siete quedaron en revisión y veintiún criterios permanecieron en
corrección prioritaria bajo puntos de corte adaptados a los valores posibles. En accesibilidad, la
mediana global disminuyó de 46,9 % a 31,3 % cuando Parcial se puntuó como cero. La Tabla S7
del material suplementario resume estos escenarios.
La variación entre registros impidió interpretar los valores agregados como certificación
de adecuación o conformidad. Los resultados respaldaron una evaluación diagnóstica de la
versión inicial y orientaron una agenda de rediseño. Como producto posterior, se desarrolló la
versión mejorada depositada en Figshare (Rodríguez-Calvache & Guerrero-Zambrano, 2026d).
Esta versión deberá someterse a una reevaluación común antes de su aplicación en un estudio con
estudiantes.
Producto derivado de la evaluación: versión mejorada
Como producto posterior de la evaluación integrada, se desarrolló una versión mejorada
de Planet Lingua. Las modificaciones respondieron a los problemas convergentes de adecuación
del contenido, usabilidad y accesibilidad. La actividad y sus archivos complementarios se
encuentran disponibles en Figshare (Rodríguez-Calvache & Guerrero-Zambrano, 2026d).
Los cambios implementados se detallan en el Material suplementario 1. Estas acciones
describen modificaciones observables en el código y el contenido, pero no constituyen una nueva
estimación de adecuación, usabilidad o accesibilidad.
DISCUSIÓN
Interpretación general de los hallazgos
La evaluación mostró un perfil heterogéneo: las fortalezas narrativas, visuales y
gamificadas coexistieron con problemas que comprometieron la integridad del puntaje, la
interacción y el acceso. Este patrón impide considerar la versión inicial como integralmente
adecuada o preparada para un uso autónomo con puntuación. El valor educativo de los elementos
de juego depende de su correspondencia con los objetivos lingüísticos, las tareas y la
retroalimentación, y no de su presencia aislada (Chan & Lo, 2024).
Los problemas técnicos y de control también produjeron consecuencias pedagógicas. Una
mecánica de recompensa deja de apoyar el aprendizaje cuando el puntaje puede alterarse mediante
envíos repetidos, cuando las reglas se conocen después de completar la misión o cuando una
barrera impide acceder a una tarea esencial. Los fallos técnicos, la explicación insuficiente y los
fines evaluativos. Esta decisión se sustentó en catorce ítems con corrección prioritaria, cuatro
registros heurísticos críticos y once criterios de accesibilidad con mayoría de incumplimiento. Las
fortalezas de la narrativa, el mapa visual, los puntos, las insignias y el reporte no compensaron
los riesgos que podían invalidar el puntaje o impedir funciones esenciales.
El análisis de sensibilidad mostró dependencia del registro más favorable y de la
ponderación de Parcial. En un escenario de sensibilidad que excluyó F3, dieciséis criterios
alcanzaron el máximo posible, siete quedaron en revisión y veintiún criterios permanecieron en
corrección prioritaria bajo puntos de corte adaptados a los valores posibles. En accesibilidad, la
mediana global disminuyó de 46,9 % a 31,3 % cuando Parcial se puntuó como cero. La Tabla S7
del material suplementario resume estos escenarios.
La variación entre registros impidió interpretar los valores agregados como certificación
de adecuación o conformidad. Los resultados respaldaron una evaluación diagnóstica de la
versión inicial y orientaron una agenda de rediseño. Como producto posterior, se desarrolló la
versión mejorada depositada en Figshare (Rodríguez-Calvache & Guerrero-Zambrano, 2026d).
Esta versión deberá someterse a una reevaluación común antes de su aplicación en un estudio con
estudiantes.
Producto derivado de la evaluación: versión mejorada
Como producto posterior de la evaluación integrada, se desarrolló una versión mejorada
de Planet Lingua. Las modificaciones respondieron a los problemas convergentes de adecuación
del contenido, usabilidad y accesibilidad. La actividad y sus archivos complementarios se
encuentran disponibles en Figshare (Rodríguez-Calvache & Guerrero-Zambrano, 2026d).
Los cambios implementados se detallan en el Material suplementario 1. Estas acciones
describen modificaciones observables en el código y el contenido, pero no constituyen una nueva
estimación de adecuación, usabilidad o accesibilidad.
DISCUSIÓN
Interpretación general de los hallazgos
La evaluación mostró un perfil heterogéneo: las fortalezas narrativas, visuales y
gamificadas coexistieron con problemas que comprometieron la integridad del puntaje, la
interacción y el acceso. Este patrón impide considerar la versión inicial como integralmente
adecuada o preparada para un uso autónomo con puntuación. El valor educativo de los elementos
de juego depende de su correspondencia con los objetivos lingüísticos, las tareas y la
retroalimentación, y no de su presencia aislada (Chan & Lo, 2024).
Los problemas técnicos y de control también produjeron consecuencias pedagógicas. Una
mecánica de recompensa deja de apoyar el aprendizaje cuando el puntaje puede alterarse mediante
envíos repetidos, cuando las reglas se conocen después de completar la misión o cuando una
barrera impide acceder a una tarea esencial. Los fallos técnicos, la explicación insuficiente y los
Vol. 13/ Núm. 3 2026 pág. 2760
efectos no deseados de algunas mecánicas pueden reducir los beneficios de la gamificación en
contextos EFL/ESL (Zhang & Hasim, 2023).
Adecuación lingüística y educativa
La principal debilidad de contenido se concentró en la representatividad del dominio
lingüístico. Los ítems A2 y A3 indicaron que I y you no se trabajaban de forma equivalente como
respuestas objetivo y que la distribución favorecía a otros pronombres. La aparición de una forma
únicamente como distractor no equivale a una oportunidad de recuperación activa, porque el
estudiante puede completar la tarea sin seleccionarla ni justificar su uso. Esta limitación es
relevante debido a que el objetivo declarado incluye los siete pronombres personales de sujeto.
Los juegos digitales pueden favorecer la gramática y el vocabulario cuando las actividades
mantienen objetivos definidos y retroalimentación permanente (Castillo-Cuesta, 2020).
Las puntuaciones de B2, B5, B7 y B9 mostraron que la secuencia propuesta todavía
dependía en gran medida del reconocimiento y de la selección cerrada. Los distractores evidentes
redujeron la demanda cognitiva, la repetición de referentes favoreció respuestas por familiaridad
y la interfaz no organizó la participación de los cuatro embajadores. Las actividades activas y
cooperativas pueden responder a necesidades identificadas en Educación General Básica Superior
cuando se fundamentan en un diagnóstico institucional (Pionce-Mendoza et al., 2023). En Planet
Lingua, esta orientación requiere turnos, roles o una responsabilidad visible por pregunta.
La necesidad de anticipar el criterio del cien por ciento, aclarar la ponderación de las
misiones y reformular el diploma también se relacionó con la coherencia entre las reglas del juego
y el alcance curricular. Los recursos y las reglas gamificadas deben corresponder con los objetivos
y las características del grupo (Terán Ñacato et al., 2024). En Planet Lingua, un diploma que
declara dominio general del inglés excede la evidencia generada por diecisiete preguntas sobre
pronombres personales de sujeto y puede inducir una interpretación incorrecta del logro.
La distribución de las valoraciones permitió conservar componentes adecuados y
localizar criterios que requerían revisión o corrección. La evaluación externa de recursos
educativos resulta útil cuando vincula cada puntuación con evidencia localizada y una acción
verificable de mejora (de la Rosa Gómez et al., 2019). Debido al conjunto reducido y heterogéneo
de registros de evaluación, las estimaciones se interpretaron junto con los intervalos de confianza,
las puntuaciones individuales y las observaciones textuales (Yusoff, 2019).
Los valores de W de Kendall y acuerdo exacto describieron una coincidencia parcial en
el orden de los criterios, pero no equivalencia en las categorías asignadas. Debido a que las
condiciones de inspección no fueron equivalentes y no se confirmó la independencia de todas las
valoraciones, estos indicadores se interpretan como descriptores exploratorios y no como
evidencia definitiva de acuerdo interevaluador. Las divergencias sobre la retroalimentación
contradictoria, el envío múltiple y la comunicación de la regla del cien por ciento describieron
comportamientos comprobables del archivo HTML. No pudieron resolverse porque la versión
efectos no deseados de algunas mecánicas pueden reducir los beneficios de la gamificación en
contextos EFL/ESL (Zhang & Hasim, 2023).
Adecuación lingüística y educativa
La principal debilidad de contenido se concentró en la representatividad del dominio
lingüístico. Los ítems A2 y A3 indicaron que I y you no se trabajaban de forma equivalente como
respuestas objetivo y que la distribución favorecía a otros pronombres. La aparición de una forma
únicamente como distractor no equivale a una oportunidad de recuperación activa, porque el
estudiante puede completar la tarea sin seleccionarla ni justificar su uso. Esta limitación es
relevante debido a que el objetivo declarado incluye los siete pronombres personales de sujeto.
Los juegos digitales pueden favorecer la gramática y el vocabulario cuando las actividades
mantienen objetivos definidos y retroalimentación permanente (Castillo-Cuesta, 2020).
Las puntuaciones de B2, B5, B7 y B9 mostraron que la secuencia propuesta todavía
dependía en gran medida del reconocimiento y de la selección cerrada. Los distractores evidentes
redujeron la demanda cognitiva, la repetición de referentes favoreció respuestas por familiaridad
y la interfaz no organizó la participación de los cuatro embajadores. Las actividades activas y
cooperativas pueden responder a necesidades identificadas en Educación General Básica Superior
cuando se fundamentan en un diagnóstico institucional (Pionce-Mendoza et al., 2023). En Planet
Lingua, esta orientación requiere turnos, roles o una responsabilidad visible por pregunta.
La necesidad de anticipar el criterio del cien por ciento, aclarar la ponderación de las
misiones y reformular el diploma también se relacionó con la coherencia entre las reglas del juego
y el alcance curricular. Los recursos y las reglas gamificadas deben corresponder con los objetivos
y las características del grupo (Terán Ñacato et al., 2024). En Planet Lingua, un diploma que
declara dominio general del inglés excede la evidencia generada por diecisiete preguntas sobre
pronombres personales de sujeto y puede inducir una interpretación incorrecta del logro.
La distribución de las valoraciones permitió conservar componentes adecuados y
localizar criterios que requerían revisión o corrección. La evaluación externa de recursos
educativos resulta útil cuando vincula cada puntuación con evidencia localizada y una acción
verificable de mejora (de la Rosa Gómez et al., 2019). Debido al conjunto reducido y heterogéneo
de registros de evaluación, las estimaciones se interpretaron junto con los intervalos de confianza,
las puntuaciones individuales y las observaciones textuales (Yusoff, 2019).
Los valores de W de Kendall y acuerdo exacto describieron una coincidencia parcial en
el orden de los criterios, pero no equivalencia en las categorías asignadas. Debido a que las
condiciones de inspección no fueron equivalentes y no se confirmó la independencia de todas las
valoraciones, estos indicadores se interpretan como descriptores exploratorios y no como
evidencia definitiva de acuerdo interevaluador. Las divergencias sobre la retroalimentación
contradictoria, el envío múltiple y la comunicación de la regla del cien por ciento describieron
comportamientos comprobables del archivo HTML. No pudieron resolverse porque la versión
Vol. 13/ Núm. 3 2026 pág. 2761
inicial careció de un identificador técnico inequívoco y las condiciones de inspección fueron
heterogéneas; por tanto, deben tratarse como hallazgos pendientes de una nueva inspección
reproducible. La interpretación de evidencias de validez requiere relacionar de forma trazable el
propósito, la fuente de valoración y el procedimiento de evaluación (van Haastrecht et al., 2024).
Usabilidad heurística y funcionamiento de la interacción
El envío repetido fue el problema funcional más grave, porque podía incrementar puntos
y aciertos sin una nueva respuesta válida. Su efecto no se limitó a la facilidad de uso: alteró la
correspondencia entre desempeño y resultado, modificó las insignias y comprometió el reporte y
el diploma. En consecuencia, la corrección debe preceder a cualquier aplicación en la que el
puntaje se utilice para interpretar el aprendizaje o el cumplimiento de las misiones.
La falta de operabilidad del mapa mediante teclado y el diseño fijo en pantallas estrechas
también afectan tareas esenciales. Un estudiante que no utiliza un puntero puede quedar detenido
en el mapa, mientras que el recorte o la superposición en una ventana reducida puede ocultar
controles o contenido. Estos hallazgos deben entenderse como riesgos detectados mediante
inspección y no como tasas observadas de fracaso en estudiantes. Después del rediseño se requiere
una prueba de tareas con usuarios que registre finalización, errores, necesidad de ayuda y
comprensión de las reglas.
Un antecedente nacional desarrollado parcialmente por el mismo equipo evaluó un
recurso HTML para la enseñanza de la entropía mediante una combinación de evaluación de
contenido, heurísticas y accesibilidad. Ese estudio informó problemas de usabilidad
principalmente cosméticos o menores y una puntuación descriptiva de accesibilidad de 81,1 %
(Valarezo-Chamba & Guerrero-Zambrano, 2026). Planet Lingua presentó cuatro registros críticos
y una mediana global de accesibilidad de 46,9 %. Estos valores no son directamente comparables
porque los recursos, los instrumentos y las condiciones de evaluación no fueron idénticos; la
comparación se utiliza únicamente para mostrar la transferibilidad potencial del enfoque
integrado y no como referencia normativa o evidencia independiente.
Accesibilidad según WCAG 2.2
La amplia variación entre registros y la sensibilidad a la ponderación de Parcial mostraron
que el índice descriptivo ad hoc no puede interpretarse como porcentaje de conformidad con
WCAG 2.2. El control independiente del audio recibió No en los tres registros y el principio
robusto presentó los valores más bajos en F1 y F2. Por tanto, los resultados deben leerse como
descripción de barreras y no como certificación normativa.
Las evaluaciones reportaron mecanismos funcionales asociados con las barreras
identificadas. Los elementos del mapa implementados como contenedores con activación por clic
podían no comunicar adecuadamente nombre, función y estado; los campos sin etiquetas
programáticas dependían del marcador de posición; la ausencia de aria-live podía impedir el
anuncio de cambios dinámicos; y las opciones sin agrupación semántica podían no exponer su
inicial careció de un identificador técnico inequívoco y las condiciones de inspección fueron
heterogéneas; por tanto, deben tratarse como hallazgos pendientes de una nueva inspección
reproducible. La interpretación de evidencias de validez requiere relacionar de forma trazable el
propósito, la fuente de valoración y el procedimiento de evaluación (van Haastrecht et al., 2024).
Usabilidad heurística y funcionamiento de la interacción
El envío repetido fue el problema funcional más grave, porque podía incrementar puntos
y aciertos sin una nueva respuesta válida. Su efecto no se limitó a la facilidad de uso: alteró la
correspondencia entre desempeño y resultado, modificó las insignias y comprometió el reporte y
el diploma. En consecuencia, la corrección debe preceder a cualquier aplicación en la que el
puntaje se utilice para interpretar el aprendizaje o el cumplimiento de las misiones.
La falta de operabilidad del mapa mediante teclado y el diseño fijo en pantallas estrechas
también afectan tareas esenciales. Un estudiante que no utiliza un puntero puede quedar detenido
en el mapa, mientras que el recorte o la superposición en una ventana reducida puede ocultar
controles o contenido. Estos hallazgos deben entenderse como riesgos detectados mediante
inspección y no como tasas observadas de fracaso en estudiantes. Después del rediseño se requiere
una prueba de tareas con usuarios que registre finalización, errores, necesidad de ayuda y
comprensión de las reglas.
Un antecedente nacional desarrollado parcialmente por el mismo equipo evaluó un
recurso HTML para la enseñanza de la entropía mediante una combinación de evaluación de
contenido, heurísticas y accesibilidad. Ese estudio informó problemas de usabilidad
principalmente cosméticos o menores y una puntuación descriptiva de accesibilidad de 81,1 %
(Valarezo-Chamba & Guerrero-Zambrano, 2026). Planet Lingua presentó cuatro registros críticos
y una mediana global de accesibilidad de 46,9 %. Estos valores no son directamente comparables
porque los recursos, los instrumentos y las condiciones de evaluación no fueron idénticos; la
comparación se utiliza únicamente para mostrar la transferibilidad potencial del enfoque
integrado y no como referencia normativa o evidencia independiente.
Accesibilidad según WCAG 2.2
La amplia variación entre registros y la sensibilidad a la ponderación de Parcial mostraron
que el índice descriptivo ad hoc no puede interpretarse como porcentaje de conformidad con
WCAG 2.2. El control independiente del audio recibió No en los tres registros y el principio
robusto presentó los valores más bajos en F1 y F2. Por tanto, los resultados deben leerse como
descripción de barreras y no como certificación normativa.
Las evaluaciones reportaron mecanismos funcionales asociados con las barreras
identificadas. Los elementos del mapa implementados como contenedores con activación por clic
podían no comunicar adecuadamente nombre, función y estado; los campos sin etiquetas
programáticas dependían del marcador de posición; la ausencia de aria-live podía impedir el
anuncio de cambios dinámicos; y las opciones sin agrupación semántica podían no exponer su
Vol. 13/ Núm. 3 2026 pág. 2762
relación ni su estado de selección. La falta de marcado de idioma podía producir una
pronunciación incorrecta en lectores de pantalla, mientras que la ausencia de reducción de
movimiento y de reflujo limitaba la adaptación a distintas necesidades. Una evaluación heurística
orientada a juegos serios mostró que la revisión humana complementa las comprobaciones
automáticas porque localiza barreras de percepción, navegación e interacción que las
herramientas técnicas pueden omitir (Salvador-Ullauri et al., 2020).
La amplitud entre los registros no invalida los problemas convergentes, pero sí impide
certificar el nivel de accesibilidad. Uno de los registros correspondió a una revisión estática sin
navegador y otro no documentó el dispositivo, el navegador ni la tecnología de asistencia. En
consecuencia, los resultados describen barreras probables y prioridades de rediseño. La
reevaluación debe utilizar una versión congelada, dos navegadores identificados, navegación
completa por teclado, zoom de doscientos por ciento, ancho de trescientos veinte píxeles CSS,
espaciado ampliado y al menos un lector de pantalla.
Integración, implicaciones y limitaciones
La integración de las tres dimensiones permitió identificar efectos en cascada. El envío
múltiple relacionó la integridad del puntaje con la prevención de errores; el mapa no semántico
vinculó navegación, teclado y robustez; y el audio sin control afectó la experiencia audiovisual,
el control del usuario y la percepción del contenido. Esta meta-inferencia no habría surgido de la
lectura aislada de cada instrumento y constituye el aporte principal del estudio: organizar el
rediseño por componentes y riesgos interdependientes.
La secuencia de mejora debe comenzar con las funciones que invalidan el resultado o
impiden tareas esenciales: bloqueo del envío, operabilidad semántica del mapa y reflujo
responsivo. La siguiente iteración debe corregir la cobertura de los siete pronombres, separar las
cadenas de retroalimentación, incorporar controles de audio, etiquetas, estados programáticos y
anuncios dinámicos. Después corresponde explicitar la dinámica grupal, anticipar las reglas de
insignia y limitar el diploma al aprendizaje practicado. Solo una vez verificados estos cambios
resulta metodológicamente justificable evaluar satisfacción, usabilidad con estudiantes o efectos
sobre el aprendizaje.
La disponibilidad pública de la versión mejorada favorece la trazabilidad del rediseño,
pero no demuestra que los problemas hayan desaparecido en condiciones reales de uso. Los
ajustes técnicos se describen en el Material suplementario 1 y deberán complementarse con una
reevaluación antes de atribuir mejoras en la experiencia de usuario, el acceso funcional o el
aprendizaje.
El estudio presenta limitaciones que condicionan el alcance de la discusión. Los tres
registros de evaluación se generaron bajo condiciones metodológicamente heterogéneas; uno
correspondió a una inspección estática, otro careció de metadatos completos y no se confirmó la
independencia de todas las valoraciones. La versión inicial no contó con un identificador técnico
relación ni su estado de selección. La falta de marcado de idioma podía producir una
pronunciación incorrecta en lectores de pantalla, mientras que la ausencia de reducción de
movimiento y de reflujo limitaba la adaptación a distintas necesidades. Una evaluación heurística
orientada a juegos serios mostró que la revisión humana complementa las comprobaciones
automáticas porque localiza barreras de percepción, navegación e interacción que las
herramientas técnicas pueden omitir (Salvador-Ullauri et al., 2020).
La amplitud entre los registros no invalida los problemas convergentes, pero sí impide
certificar el nivel de accesibilidad. Uno de los registros correspondió a una revisión estática sin
navegador y otro no documentó el dispositivo, el navegador ni la tecnología de asistencia. En
consecuencia, los resultados describen barreras probables y prioridades de rediseño. La
reevaluación debe utilizar una versión congelada, dos navegadores identificados, navegación
completa por teclado, zoom de doscientos por ciento, ancho de trescientos veinte píxeles CSS,
espaciado ampliado y al menos un lector de pantalla.
Integración, implicaciones y limitaciones
La integración de las tres dimensiones permitió identificar efectos en cascada. El envío
múltiple relacionó la integridad del puntaje con la prevención de errores; el mapa no semántico
vinculó navegación, teclado y robustez; y el audio sin control afectó la experiencia audiovisual,
el control del usuario y la percepción del contenido. Esta meta-inferencia no habría surgido de la
lectura aislada de cada instrumento y constituye el aporte principal del estudio: organizar el
rediseño por componentes y riesgos interdependientes.
La secuencia de mejora debe comenzar con las funciones que invalidan el resultado o
impiden tareas esenciales: bloqueo del envío, operabilidad semántica del mapa y reflujo
responsivo. La siguiente iteración debe corregir la cobertura de los siete pronombres, separar las
cadenas de retroalimentación, incorporar controles de audio, etiquetas, estados programáticos y
anuncios dinámicos. Después corresponde explicitar la dinámica grupal, anticipar las reglas de
insignia y limitar el diploma al aprendizaje practicado. Solo una vez verificados estos cambios
resulta metodológicamente justificable evaluar satisfacción, usabilidad con estudiantes o efectos
sobre el aprendizaje.
La disponibilidad pública de la versión mejorada favorece la trazabilidad del rediseño,
pero no demuestra que los problemas hayan desaparecido en condiciones reales de uso. Los
ajustes técnicos se describen en el Material suplementario 1 y deberán complementarse con una
reevaluación antes de atribuir mejoras en la experiencia de usuario, el acceso funcional o el
aprendizaje.
El estudio presenta limitaciones que condicionan el alcance de la discusión. Los tres
registros de evaluación se generaron bajo condiciones metodológicamente heterogéneas; uno
correspondió a una inspección estática, otro careció de metadatos completos y no se confirmó la
independencia de todas las valoraciones. La versión inicial no contó con un identificador técnico
Vol. 13/ Núm. 3 2026 pág. 2763
inequívoco ni se depositó en Figshare. La matriz de adecuación fue creada para el caso y no contó
con validación previa. El análisis cualitativo no incluyó doble codificación independiente. El
índice de accesibilidad utilizó una ponderación ad hoc y las medias se mantuvieron únicamente
como descriptores secundarios. No participaron estudiantes, especialistas dedicados a auditoría
formal de accesibilidad ni usuarios con discapacidad. Tampoco se midieron aprendizaje,
motivación, tiempo de tarea o satisfacción. La participación de quienes desarrollaron el recurso y
la ausencia de una verificación independiente de la versión mejorada constituyen fuentes
adicionales de posible sesgo. Aunque el análisis de sensibilidad modificó los valores agregados,
las prioridades de rediseño se mantuvieron.
La versión mejorada dispone de un identificador persistente en Figshare y deberá
someterse al mismo protocolo con evaluadores claramente caracterizados. Una reevaluación
focalizada permitirá determinar si las modificaciones reducen los riesgos heurísticos y las barreras
de acceso. En una fase posterior, una prueba de usabilidad con estudiantes de octavo año podrá
analizar la finalización de tareas, los errores y la comprensión de las reglas antes de estimar
cambios en el aprendizaje de los pronombres personales.
CONCLUSIONES
La versión inicial de Planet Lingua presentó fortalezas en la narrativa, la secuencia visual
del mapa y la retroalimentación inmediata, pero mostró una adecuación lingüística y educativa
parcial: 14 criterios requirieron corrección prioritaria. En usabilidad se identificaron cuatro
hallazgos críticos, y en accesibilidad 11 criterios recibieron mayoría de incumplimiento. En
conjunto, estos resultados no permiten afirmar una adecuación integral de la versión inicial ni una
declaración de conformidad con WCAG 2.2.
Antes de utilizar el recurso de manera autónoma o interpretar su puntaje con fines
evaluativos, deben verificarse tres condiciones críticas: un único procesamiento por respuesta,
operabilidad semántica completa mediante teclado y reflujo responsivo sin pérdida de contenido.
Después deben revisarse la cobertura lingüística, el audio, los estados accesibles, la dinámica
grupal y el alcance del diploma.
La evaluación orientó el desarrollo de una versión mejorada con ajustes en la integridad
del puntaje, la retroalimentación, la navegación, el diseño responsivo, la cobertura lingüística, la
dinámica grupal, el audio, la semántica accesible, la ayuda, el reporte y el diploma. El detalle
técnico se presenta en el Material suplementario 1.
La implementación de estas mejoras no modifica los resultados de la versión inicial ni
demuestra por sí misma una adecuación integral. La versión mejorada deberá someterse a una
reevaluación reproducible antes de estudiar sus efectos sobre el aprendizaje de los pronombres
personales de sujeto. Los resultados sugieren la utilidad de integrar la evaluación del contenido,
inequívoco ni se depositó en Figshare. La matriz de adecuación fue creada para el caso y no contó
con validación previa. El análisis cualitativo no incluyó doble codificación independiente. El
índice de accesibilidad utilizó una ponderación ad hoc y las medias se mantuvieron únicamente
como descriptores secundarios. No participaron estudiantes, especialistas dedicados a auditoría
formal de accesibilidad ni usuarios con discapacidad. Tampoco se midieron aprendizaje,
motivación, tiempo de tarea o satisfacción. La participación de quienes desarrollaron el recurso y
la ausencia de una verificación independiente de la versión mejorada constituyen fuentes
adicionales de posible sesgo. Aunque el análisis de sensibilidad modificó los valores agregados,
las prioridades de rediseño se mantuvieron.
La versión mejorada dispone de un identificador persistente en Figshare y deberá
someterse al mismo protocolo con evaluadores claramente caracterizados. Una reevaluación
focalizada permitirá determinar si las modificaciones reducen los riesgos heurísticos y las barreras
de acceso. En una fase posterior, una prueba de usabilidad con estudiantes de octavo año podrá
analizar la finalización de tareas, los errores y la comprensión de las reglas antes de estimar
cambios en el aprendizaje de los pronombres personales.
CONCLUSIONES
La versión inicial de Planet Lingua presentó fortalezas en la narrativa, la secuencia visual
del mapa y la retroalimentación inmediata, pero mostró una adecuación lingüística y educativa
parcial: 14 criterios requirieron corrección prioritaria. En usabilidad se identificaron cuatro
hallazgos críticos, y en accesibilidad 11 criterios recibieron mayoría de incumplimiento. En
conjunto, estos resultados no permiten afirmar una adecuación integral de la versión inicial ni una
declaración de conformidad con WCAG 2.2.
Antes de utilizar el recurso de manera autónoma o interpretar su puntaje con fines
evaluativos, deben verificarse tres condiciones críticas: un único procesamiento por respuesta,
operabilidad semántica completa mediante teclado y reflujo responsivo sin pérdida de contenido.
Después deben revisarse la cobertura lingüística, el audio, los estados accesibles, la dinámica
grupal y el alcance del diploma.
La evaluación orientó el desarrollo de una versión mejorada con ajustes en la integridad
del puntaje, la retroalimentación, la navegación, el diseño responsivo, la cobertura lingüística, la
dinámica grupal, el audio, la semántica accesible, la ayuda, el reporte y el diploma. El detalle
técnico se presenta en el Material suplementario 1.
La implementación de estas mejoras no modifica los resultados de la versión inicial ni
demuestra por sí misma una adecuación integral. La versión mejorada deberá someterse a una
reevaluación reproducible antes de estudiar sus efectos sobre el aprendizaje de los pronombres
personales de sujeto. Los resultados sugieren la utilidad de integrar la evaluación del contenido,
Vol. 13/ Núm. 3 2026 pág. 2764
la usabilidad y la accesibilidad para priorizar riesgos interdependientes antes de evaluar efectos
educativos.
Financiación
La investigación no recibió financiación externa.
Conflictos de interés
No hay conflictos de intereses
Contribuciones de autoría
Carmen Luisa Rodríguez-Calvache y Marcos Guerrero-Zambrano participaron
conjuntamente en: conceptualización, metodología, software, validación, análisis formal,
investigación, curación de datos, diseño de tablas e instrumentos.
Ennio Jesus Merida Cordova participó en la conceptualización, redacción del borrador
original, revisión y edición, visualización, supervisión y administración del proyecto. Las tres
personas autoras aprobaron la versión final del manuscrito.
Uso de inteligencia artificial
Durante el procesamiento y análisis de los datos se utilizó Gemini de Google como
herramienta de apoyo para generar fragmentos de código en Python, posteriormente ejecutados
en Google Colab. La herramienta no se empleó para recolectar datos, emitir las valoraciones de
los evaluadores, tomar decisiones metodológicas ni formular de manera autónoma la
interpretación de los resultados o las conclusiones. El código generado fue revisado, ajustado y
ejecutado por las personas autoras, quienes verificaron los resultados obtenidos y asumieron la
responsabilidad íntegra por los análisis presentados en el manuscrito.
Disponibilidad de datos, materiales y código
Los instrumentos de evaluación y la versión mejorada de Planet Lingua se encuentran
disponibles en Figshare mediante las referencias Rodríguez-Calvache y Guerrero-Zambrano
(2026a, 2026b, 2026c, 2026d). La versión mejorada corresponde a un producto posterior y no
sustituye la versión inicial que generó los resultados presentados.
la usabilidad y la accesibilidad para priorizar riesgos interdependientes antes de evaluar efectos
educativos.
Financiación
La investigación no recibió financiación externa.
Conflictos de interés
No hay conflictos de intereses
Contribuciones de autoría
Carmen Luisa Rodríguez-Calvache y Marcos Guerrero-Zambrano participaron
conjuntamente en: conceptualización, metodología, software, validación, análisis formal,
investigación, curación de datos, diseño de tablas e instrumentos.
Ennio Jesus Merida Cordova participó en la conceptualización, redacción del borrador
original, revisión y edición, visualización, supervisión y administración del proyecto. Las tres
personas autoras aprobaron la versión final del manuscrito.
Uso de inteligencia artificial
Durante el procesamiento y análisis de los datos se utilizó Gemini de Google como
herramienta de apoyo para generar fragmentos de código en Python, posteriormente ejecutados
en Google Colab. La herramienta no se empleó para recolectar datos, emitir las valoraciones de
los evaluadores, tomar decisiones metodológicas ni formular de manera autónoma la
interpretación de los resultados o las conclusiones. El código generado fue revisado, ajustado y
ejecutado por las personas autoras, quienes verificaron los resultados obtenidos y asumieron la
responsabilidad íntegra por los análisis presentados en el manuscrito.
Disponibilidad de datos, materiales y código
Los instrumentos de evaluación y la versión mejorada de Planet Lingua se encuentran
disponibles en Figshare mediante las referencias Rodríguez-Calvache y Guerrero-Zambrano
(2026a, 2026b, 2026c, 2026d). La versión mejorada corresponde a un producto posterior y no
sustituye la versión inicial que generó los resultados presentados.
Vol. 13/ Núm. 3 2026 pág. 2765
REFERENCIAS
Assarroudi, A., Heshmati Nabavi, F., Armat, M. R., Ebadi, A., & Vaismoradi, M. (2018). Directed
qualitative content analysis: The description and elaboration of its underpinning methods
and data analysis process. Journal of Research in Nursing, 23(1), 42–55.
https://doi.org/10.1177/1744987117741667
Castillo-Cuesta, L. (2020). Using digital games for enhancing EFL grammar and vocabulary in
higher education. International Journal of Emerging Technologies in Learning (iJET),
15(20), 116–129. https://doi.org/10.3991/ijet.v15i20.16159
Chan, S., & Lo, N. (2024). Enhancing EFL/ESL instruction through gamification: A
comprehensive review of empirical evidence. Frontiers in Education, 9, Article 1395155.
https://doi.org/10.3389/feduc.2024.1395155
de la Rosa Gómez, A., Meza Cano, J. M., & Miranda Díaz, G. A. (2019). Validation of a rubric
to evaluate open educational resources for learning. Behavioral Sciences, 9(12), Article
126. https://doi.org/10.3390/bs9120126
Fetters, M. D., Curry, L. A., & Creswell, J. W. (2013). Achieving integration in mixed methods
designs: Principles and practices. Health Services Research, 48(6, Pt. 2), 2134–2156.
https://doi.org/10.1111/1475-6773.12117
Kaushik, V., & Walsh, C. A. (2019). Pragmatism as a research paradigm and its implications for
social work research. Social Sciences, 8(9), Article 255.
https://doi.org/10.3390/socsci8090255
Legendre, P. (2005). Species associations: The Kendall coefficient of concordance revisited.
Journal of Agricultural, Biological, and Environmental Statistics, 10(2), 226–245.
https://doi.org/10.1198/108571105X46642
Merino Soto, C., & Livia Segovia, J. (2009). Intervalos de confianza asimétricos para el índice
de validez de contenido: Un programa Visual Basic para la V de Aiken. Anales de
Psicología, 25(1), 169–171. https://revistas.um.es/analesps/article/view/71631
Nielsen, J. (2024). 10 usability heuristics for user interface design. Nielsen Norman Group.
https://www.nngroup.com/articles/ten-usability-heuristics/
NumPy Developers. (2026). NumPy (Version 2.5.0) [Computer software]. https://numpy.org/
The pandas development team. (2026). pandas (Version 3.0.4) [Computer software].
https://pandas.pydata.org/
Pionce-Mendoza, K., Véliz-Briones, V., & Mendoza-Bravo, K. (2023). La ludificación en el
fortalecimiento del proceso de enseñanza-aprendizaje del idioma inglés en el nivel de
básica superior. Revista Innova Educación, 5(4), 83–104.
https://doi.org/10.35622/j.rie.2023.05v.005
REFERENCIAS
Assarroudi, A., Heshmati Nabavi, F., Armat, M. R., Ebadi, A., & Vaismoradi, M. (2018). Directed
qualitative content analysis: The description and elaboration of its underpinning methods
and data analysis process. Journal of Research in Nursing, 23(1), 42–55.
https://doi.org/10.1177/1744987117741667
Castillo-Cuesta, L. (2020). Using digital games for enhancing EFL grammar and vocabulary in
higher education. International Journal of Emerging Technologies in Learning (iJET),
15(20), 116–129. https://doi.org/10.3991/ijet.v15i20.16159
Chan, S., & Lo, N. (2024). Enhancing EFL/ESL instruction through gamification: A
comprehensive review of empirical evidence. Frontiers in Education, 9, Article 1395155.
https://doi.org/10.3389/feduc.2024.1395155
de la Rosa Gómez, A., Meza Cano, J. M., & Miranda Díaz, G. A. (2019). Validation of a rubric
to evaluate open educational resources for learning. Behavioral Sciences, 9(12), Article
126. https://doi.org/10.3390/bs9120126
Fetters, M. D., Curry, L. A., & Creswell, J. W. (2013). Achieving integration in mixed methods
designs: Principles and practices. Health Services Research, 48(6, Pt. 2), 2134–2156.
https://doi.org/10.1111/1475-6773.12117
Kaushik, V., & Walsh, C. A. (2019). Pragmatism as a research paradigm and its implications for
social work research. Social Sciences, 8(9), Article 255.
https://doi.org/10.3390/socsci8090255
Legendre, P. (2005). Species associations: The Kendall coefficient of concordance revisited.
Journal of Agricultural, Biological, and Environmental Statistics, 10(2), 226–245.
https://doi.org/10.1198/108571105X46642
Merino Soto, C., & Livia Segovia, J. (2009). Intervalos de confianza asimétricos para el índice
de validez de contenido: Un programa Visual Basic para la V de Aiken. Anales de
Psicología, 25(1), 169–171. https://revistas.um.es/analesps/article/view/71631
Nielsen, J. (2024). 10 usability heuristics for user interface design. Nielsen Norman Group.
https://www.nngroup.com/articles/ten-usability-heuristics/
NumPy Developers. (2026). NumPy (Version 2.5.0) [Computer software]. https://numpy.org/
The pandas development team. (2026). pandas (Version 3.0.4) [Computer software].
https://pandas.pydata.org/
Pionce-Mendoza, K., Véliz-Briones, V., & Mendoza-Bravo, K. (2023). La ludificación en el
fortalecimiento del proceso de enseñanza-aprendizaje del idioma inglés en el nivel de
básica superior. Revista Innova Educación, 5(4), 83–104.
https://doi.org/10.35622/j.rie.2023.05v.005
Vol. 13/ Núm. 3 2026 pág. 2766
Python Software Foundation. (2026). Python (Version 3.13.14) [Computer software].
https://www.python.org/
Rodríguez-Calvache, C., & Guerrero-Zambrano, M. (2026a). Checklist de accesibilidad para la
revisión descriptiva de Planet Lingua según los principios WCAG 2.2 [Online resource].
Figshare. https://doi.org/10.6084/m9.figshare.33148541.v1
Rodríguez-Calvache, C., & Guerrero-Zambrano, M. (2026b). Matriz de evaluación heurística de
la usabilidad de Planet Lingua basada en las diez heurísticas de Nielsen [Online
resource]. Figshare. https://doi.org/10.6084/m9.figshare.33148538.v1
Rodríguez-Calvache, C., & Guerrero-Zambrano, M. (2026c). Matriz de juicio de expertos para
validar el contenido, la pertinencia didáctica y la calidad gamificada de Planet Lingua
[Online resource]. Figshare. https://doi.org/10.6084/m9.figshare.33148535.v2
Rodríguez-Calvache, C., & Guerrero-Zambrano, M. (2026d). Planet Lingua: recurso gamificado
interactivo para el aprendizaje de los pronombres personales sujeto en inglés [Online
resource]. Figshare. https://doi.org/10.6084/m9.figshare.33148544.v1
Salvador-Ullauri, L., Acosta-Vargas, P., González, M., & Luján-Mora, S. (2020). A heuristic
method for evaluating accessibility in web-based serious games for users with low vision.
Applied Sciences, 10(24), Article 8803. https://doi.org/10.3390/app10248803
SciPy Developers. (2026). SciPy (Version 1.18.0) [Computer software]. https://scipy.org/
Shortt, M., Tilak, S., Kuznetcova, I., Martens, B., & Akinkuolie, B. (2023). Gamification in
mobile-assisted language learning: A systematic review of Duolingo literature from
public release of 2012 to early 2020. Computer Assisted Language Learning, 36(3), 517–
554. https://doi.org/10.1080/09588221.2021.1933540
Terán Ñacato, M. F., Naranjo Vaca, D. F., Maliza Muñoz, W. F., & Bonilla Tenesaca, J. (2024).
Gamificación como estrategia didáctica en el proceso de enseñanza del idioma inglés en
el bachillerato general unificado. Revista Uniandes Episteme, 11(2), 189–202.
https://doi.org/10.61154/rue.v11i2.3489
Valarezo-Chamba, B. S., & Guerrero-Zambrano, M. (2026). Validez de contenido, usabilidad y
accesibilidad de un recurso HTML interactivo para la enseñanza de la entropía. Innova
Science Journal, 4(3), 975–989. https://doi.org/10.63618/omd/isj/v4/n3/394
van Haastrecht, M., Haas, M., Brinkhuis, M., & Spruit, M. (2024). Understanding validity criteria
in technology-enhanced learning: A systematic literature review. Computers &
Education, 220, Article 105128. https://doi.org/10.1016/j.compedu.2024.105128
World Wide Web Consortium. (2024). Web Content Accessibility Guidelines (WCAG) 2.2.
https://www.w3.org/TR/WCAG22/
Yusoff, M. S. B. (2019). ABC of content validation and content validity index calculation.
Education in Medicine Journal, 11(2), 49–54. https://doi.org/10.21315/eimj2019.11.2.6
Python Software Foundation. (2026). Python (Version 3.13.14) [Computer software].
https://www.python.org/
Rodríguez-Calvache, C., & Guerrero-Zambrano, M. (2026a). Checklist de accesibilidad para la
revisión descriptiva de Planet Lingua según los principios WCAG 2.2 [Online resource].
Figshare. https://doi.org/10.6084/m9.figshare.33148541.v1
Rodríguez-Calvache, C., & Guerrero-Zambrano, M. (2026b). Matriz de evaluación heurística de
la usabilidad de Planet Lingua basada en las diez heurísticas de Nielsen [Online
resource]. Figshare. https://doi.org/10.6084/m9.figshare.33148538.v1
Rodríguez-Calvache, C., & Guerrero-Zambrano, M. (2026c). Matriz de juicio de expertos para
validar el contenido, la pertinencia didáctica y la calidad gamificada de Planet Lingua
[Online resource]. Figshare. https://doi.org/10.6084/m9.figshare.33148535.v2
Rodríguez-Calvache, C., & Guerrero-Zambrano, M. (2026d). Planet Lingua: recurso gamificado
interactivo para el aprendizaje de los pronombres personales sujeto en inglés [Online
resource]. Figshare. https://doi.org/10.6084/m9.figshare.33148544.v1
Salvador-Ullauri, L., Acosta-Vargas, P., González, M., & Luján-Mora, S. (2020). A heuristic
method for evaluating accessibility in web-based serious games for users with low vision.
Applied Sciences, 10(24), Article 8803. https://doi.org/10.3390/app10248803
SciPy Developers. (2026). SciPy (Version 1.18.0) [Computer software]. https://scipy.org/
Shortt, M., Tilak, S., Kuznetcova, I., Martens, B., & Akinkuolie, B. (2023). Gamification in
mobile-assisted language learning: A systematic review of Duolingo literature from
public release of 2012 to early 2020. Computer Assisted Language Learning, 36(3), 517–
554. https://doi.org/10.1080/09588221.2021.1933540
Terán Ñacato, M. F., Naranjo Vaca, D. F., Maliza Muñoz, W. F., & Bonilla Tenesaca, J. (2024).
Gamificación como estrategia didáctica en el proceso de enseñanza del idioma inglés en
el bachillerato general unificado. Revista Uniandes Episteme, 11(2), 189–202.
https://doi.org/10.61154/rue.v11i2.3489
Valarezo-Chamba, B. S., & Guerrero-Zambrano, M. (2026). Validez de contenido, usabilidad y
accesibilidad de un recurso HTML interactivo para la enseñanza de la entropía. Innova
Science Journal, 4(3), 975–989. https://doi.org/10.63618/omd/isj/v4/n3/394
van Haastrecht, M., Haas, M., Brinkhuis, M., & Spruit, M. (2024). Understanding validity criteria
in technology-enhanced learning: A systematic literature review. Computers &
Education, 220, Article 105128. https://doi.org/10.1016/j.compedu.2024.105128
World Wide Web Consortium. (2024). Web Content Accessibility Guidelines (WCAG) 2.2.
https://www.w3.org/TR/WCAG22/
Yusoff, M. S. B. (2019). ABC of content validation and content validity index calculation.
Education in Medicine Journal, 11(2), 49–54. https://doi.org/10.21315/eimj2019.11.2.6
Vol. 13/ Núm. 3 2026 pág. 2767
Zhang, S., & Hasim, Z. (2023). Gamification in EFL/ESL instruction: A systematic review of
empirical research. Frontiers in Psychology, 13, Article 1030790.
https://doi.org/10.3389/fpsyg.2022.1030790
Zhang, S., & Hasim, Z. (2023). Gamification in EFL/ESL instruction: A systematic review of
empirical research. Frontiers in Psychology, 13, Article 1030790.
https://doi.org/10.3389/fpsyg.2022.1030790