El reto de los sistemas educativos ha sido proponer escenarios virtuales con mediación eficiente de tecnología que faciliten la evidencia de desarrollo tecnológico. Nuestra propuesta tiene como objetivo definir una estrategia de aprendizaje que permita el desarrollo tecnológico a través del uso de simuladores basados en IoT y la interacción de servidores en la nube para el almacenamiento de datos. Se pretende convertir al instructor en un guía tecnológico que permita verificar los resultados del aprendizaje. La propuesta facilita el desarrollo de competencias computacionales enfocadas a la creación tecnológica con escenarios dinámicos y configurables para ser accesibles desde la web.

Con la necesidad cada vez mayor de recursos computacionales y de transferencia de datos que exigen los servicios de telemedicina, no es realista que los dispositivos médicos móviles (IoMT, Internet of Medical Things) locales (con fuentes limitadas) implementen el procesamiento intenso de la información a gran escala para el envío continuo de los datos sobre una red inalámbrica móvil. Hablamos de la adquisición y envío de datos sanitarios móviles a través de gadgets médicos wearables y de la aplicación de estos datos en la monitorización de diversas condiciones de salud, especialmente en pacientes afectados por el COVID-19 en áreas remotas y de difícil acceso. Un monitoreo remoto permite la obtención de variables biométricas como el nivel de oxigeno en sangre, el ECG, la presión sanguínea, el asma, etc. y otros servicios relacionados con la atención medica como la videoconferencia. El rendimiento del sistema es muy importante para el sistema de salud móvil basado en el IoT. Por ello, los particulares o las empresas se inclinan por externalizar sus necesidades de envío de datos y generación de servicio a través de soluciones cerradas que exigen un consumo significativo del ancho de banda. Sin embargo, con la gran cantidad de recursos compartidos en el ancho de banda, la externalización conlleva a problemas de retardo y rendimiento del sistema, lo que hace que se genere un aumento del consumo energético producto de los errores del sistema, algo no ideal para dispositivos IoT. Recientemente, se han llevado a cabo numerosos trabajos basados en la codificación distribuida de ultima generación en la universidad americana. El objetivo es desarrollar un mecanismo (Middleware) complementario de codificación (RLNC, Random Lineal Network Coding) controlado desde la capa de aplicación, el cual permite reducir los errores del sistema y por consiguiente minimizar los tiempos de la comunicación en dispositivos médicos 5G-IoT. El esquema planteado basado en los códigos rateless, es un proceso de baja complejidad que permite subsanar fallas originadas por las variaciones del canal inalámbrico, como consecuencia garantiza un mínimo retardo sobre la red, especialmente en aquellas con poca cobertura, ubicadas en zonas remotas y de difícil acceso.