Módulo 1 — Frontera científica y formulación del problema en Materiales Sostenibles, Durabilidad y Economía Circular en Construcción

1.1 Fundamentos y decisión: Sitúa Frontera científica y formulación del problema en Materiales Sostenibles, Durabilidad y Economía Circular en Construcción dentro de los objetivos del programa y define qué decisión, pregunta de investigación o resultado debe producir. Se revisan conceptos, dependencias y límites de aplicación, diferenciando conocimiento establecido de supuestos que necesitan contraste. El participante formula criterios de éxito y establece qué información es imprescindible antes de avanzar.

1.2 Datos, hipótesis y calidad: Organiza los datos necesarios para Frontera científica y formulación del problema en Materiales Sostenibles, Durabilidad y Economía Circular en Construcción: fuente, calidad, unidades, versiones, representatividad y trazabilidad. Se conecta la información con Revisión sistemática, estado del arte y gap de conocimiento para detectar incompatibilidades y vacíos. El ejercicio exige clasificar cada entrada como confirmada, inferida o pendiente y explicar cómo una incertidumbre puede afectar el resultado.

1.3 Método y análisis: Aplica Python/OpenCV para desarrollar Frontera científica y formulación del problema en Materiales Sostenibles, Durabilidad y Economía Circular en Construcción con un nivel de detalle adecuado al problema. Se documentan parámetros, hipótesis, escenarios y sensibilidad. El objetivo no es producir una salida automática, sino comprender qué transforma la herramienta, qué simplificaciones incorpora y cómo contrastar la respuesta con una segunda referencia.

1.4 Riesgos, interfaces y controles: Analiza dataset sesgado como riesgo relevante de Frontera científica y formulación del problema en Materiales Sostenibles, Durabilidad y Economía Circular en Construcción y construye la secuencia causa–consecuencia–control. Se definen señales tempranas, responsables, verificaciones y criterios de escalado. La práctica obliga a distinguir controles realmente independientes de medidas que solo duplican documentación sin reducir el riesgo.

1.5 Entregable y defensa: Cierra Frontera científica y formulación del problema en Materiales Sostenibles, Durabilidad y Economía Circular en Construcción mediante un entregable estructurado que incluya alcance, entradas, método, resultados, incertidumbre, riesgos residuales y recomendaciones. La entrega debe permitir que un tercero reconstruya el razonamiento, revise la evidencia y comprenda qué siguiente acción se propone y bajo qué criterio puede considerarse aceptada.

La aplicación de este bloque se contextualiza específicamente en Doctorado en Materiales Sostenibles, Durabilidad y Economía Circular en Construcción, conectando el análisis con los objetivos y el nivel académico propios de esta formación.

Módulo 2 — Revisión sistemática, estado del arte y gap de conocimiento

2.1 Fundamentos y decisión: Sitúa Revisión sistemática, estado del arte y gap de conocimiento dentro de los objetivos del programa y define qué decisión, pregunta de investigación o resultado debe producir. Se revisan conceptos, dependencias y límites de aplicación, diferenciando conocimiento establecido de supuestos que necesitan contraste. El participante formula criterios de éxito y establece qué información es imprescindible antes de avanzar.

2.2 Datos, hipótesis y calidad: Organiza los datos necesarios para Revisión sistemática, estado del arte y gap de conocimiento: fuente, calidad, unidades, versiones, representatividad y trazabilidad. Se conecta la información con Diseño de investigación, hipótesis y metodología doctoral para detectar incompatibilidades y vacíos. El ejercicio exige clasificar cada entrada como confirmada, inferida o pendiente y explicar cómo una incertidumbre puede afectar el resultado.

2.3 Método y análisis: Aplica frameworks ML para desarrollar Revisión sistemática, estado del arte y gap de conocimiento con un nivel de detalle adecuado al problema. Se documentan parámetros, hipótesis, escenarios y sensibilidad. El objetivo no es producir una salida automática, sino comprender qué transforma la herramienta, qué simplificaciones incorpora y cómo contrastar la respuesta con una segunda referencia.

2.4 Riesgos, interfaces y controles: Analiza falso negativo como riesgo relevante de Revisión sistemática, estado del arte y gap de conocimiento y construye la secuencia causa–consecuencia–control. Se definen señales tempranas, responsables, verificaciones y criterios de escalado. La práctica obliga a distinguir controles realmente independientes de medidas que solo duplican documentación sin reducir el riesgo.

2.5 Entregable y defensa: Cierra Revisión sistemática, estado del arte y gap de conocimiento mediante un entregable estructurado que incluya alcance, entradas, método, resultados, incertidumbre, riesgos residuales y recomendaciones. La entrega debe permitir que un tercero reconstruya el razonamiento, revise la evidencia y comprenda qué siguiente acción se propone y bajo qué criterio puede considerarse aceptada.

La aplicación de este bloque se contextualiza específicamente en Doctorado en Materiales Sostenibles, Durabilidad y Economía Circular en Construcción, conectando el análisis con los objetivos y el nivel académico propios de esta formación.

Módulo 3 — Diseño de investigación, hipótesis y metodología doctoral

3.1 Fundamentos y decisión: Sitúa Diseño de investigación, hipótesis y metodología doctoral dentro de los objetivos del programa y define qué decisión, pregunta de investigación o resultado debe producir. Se revisan conceptos, dependencias y límites de aplicación, diferenciando conocimiento establecido de supuestos que necesitan contraste. El participante formula criterios de éxito y establece qué información es imprescindible antes de avanzar.

3.2 Datos, hipótesis y calidad: Organiza los datos necesarios para Diseño de investigación, hipótesis y metodología doctoral: fuente, calidad, unidades, versiones, representatividad y trazabilidad. Se conecta la información con Métodos avanzados y modelado de computer vision para detectar incompatibilidades y vacíos. El ejercicio exige clasificar cada entrada como confirmada, inferida o pendiente y explicar cómo una incertidumbre puede afectar el resultado.

3.3 Método y análisis: Aplica ROS/SLAM para desarrollar Diseño de investigación, hipótesis y metodología doctoral con un nivel de detalle adecuado al problema. Se documentan parámetros, hipótesis, escenarios y sensibilidad. El objetivo no es producir una salida automática, sino comprender qué transforma la herramienta, qué simplificaciones incorpora y cómo contrastar la respuesta con una segunda referencia.

3.4 Riesgos, interfaces y controles: Analiza drift como riesgo relevante de Diseño de investigación, hipótesis y metodología doctoral y construye la secuencia causa–consecuencia–control. Se definen señales tempranas, responsables, verificaciones y criterios de escalado. La práctica obliga a distinguir controles realmente independientes de medidas que solo duplican documentación sin reducir el riesgo.

3.5 Entregable y defensa: Cierra Diseño de investigación, hipótesis y metodología doctoral mediante un entregable estructurado que incluya alcance, entradas, método, resultados, incertidumbre, riesgos residuales y recomendaciones. La entrega debe permitir que un tercero reconstruya el razonamiento, revise la evidencia y comprenda qué siguiente acción se propone y bajo qué criterio puede considerarse aceptada.

La aplicación de este bloque se contextualiza específicamente en Doctorado en Materiales Sostenibles, Durabilidad y Economía Circular en Construcción, conectando el análisis con los objetivos y el nivel académico propios de esta formación.

Módulo 4 — Métodos avanzados y modelado de computer vision

4.1 Fundamentos y decisión: Sitúa Métodos avanzados y modelado de computer vision dentro de los objetivos del programa y define qué decisión, pregunta de investigación o resultado debe producir. Se revisan conceptos, dependencias y límites de aplicación, diferenciando conocimiento establecido de supuestos que necesitan contraste. El participante formula criterios de éxito y establece qué información es imprescindible antes de avanzar.

4.2 Datos, hipótesis y calidad: Organiza los datos necesarios para Métodos avanzados y modelado de computer vision: fuente, calidad, unidades, versiones, representatividad y trazabilidad. Se conecta la información con Experimentación, observación y adquisición de datos para detectar incompatibilidades y vacíos. El ejercicio exige clasificar cada entrada como confirmada, inferida o pendiente y explicar cómo una incertidumbre puede afectar el resultado.

4.3 Método y análisis: Aplica BIM/DfMA para desarrollar Métodos avanzados y modelado de computer vision con un nivel de detalle adecuado al problema. Se documentan parámetros, hipótesis, escenarios y sensibilidad. El objetivo no es producir una salida automática, sino comprender qué transforma la herramienta, qué simplificaciones incorpora y cómo contrastar la respuesta con una segunda referencia.

4.4 Riesgos, interfaces y controles: Analiza interacción humano-robot como riesgo relevante de Métodos avanzados y modelado de computer vision y construye la secuencia causa–consecuencia–control. Se definen señales tempranas, responsables, verificaciones y criterios de escalado. La práctica obliga a distinguir controles realmente independientes de medidas que solo duplican documentación sin reducir el riesgo.

4.5 Entregable y defensa: Cierra Métodos avanzados y modelado de computer vision mediante un entregable estructurado que incluya alcance, entradas, método, resultados, incertidumbre, riesgos residuales y recomendaciones. La entrega debe permitir que un tercero reconstruya el razonamiento, revise la evidencia y comprenda qué siguiente acción se propone y bajo qué criterio puede considerarse aceptada.

La aplicación de este bloque se contextualiza específicamente en Doctorado en Materiales Sostenibles, Durabilidad y Economía Circular en Construcción, conectando el análisis con los objetivos y el nivel académico propios de esta formación.

Módulo 5 — Experimentación, observación y adquisición de datos

5.1 Fundamentos y decisión: Sitúa Experimentación, observación y adquisición de datos dentro de los objetivos del programa y define qué decisión, pregunta de investigación o resultado debe producir. Se revisan conceptos, dependencias y límites de aplicación, diferenciando conocimiento establecido de supuestos que necesitan contraste. El participante formula criterios de éxito y establece qué información es imprescindible antes de avanzar.

5.2 Datos, hipótesis y calidad: Organiza los datos necesarios para Experimentación, observación y adquisición de datos: fuente, calidad, unidades, versiones, representatividad y trazabilidad. Se conecta la información con Analítica avanzada y métodos computacionales para deep learning para detectar incompatibilidades y vacíos. El ejercicio exige clasificar cada entrada como confirmada, inferida o pendiente y explicar cómo una incertidumbre puede afectar el resultado.

5.3 Método y análisis: Aplica LCA software para desarrollar Experimentación, observación y adquisición de datos con un nivel de detalle adecuado al problema. Se documentan parámetros, hipótesis, escenarios y sensibilidad. El objetivo no es producir una salida automática, sino comprender qué transforma la herramienta, qué simplificaciones incorpora y cómo contrastar la respuesta con una segunda referencia.

5.4 Riesgos, interfaces y controles: Analiza automatización de error como riesgo relevante de Experimentación, observación y adquisición de datos y construye la secuencia causa–consecuencia–control. Se definen señales tempranas, responsables, verificaciones y criterios de escalado. La práctica obliga a distinguir controles realmente independientes de medidas que solo duplican documentación sin reducir el riesgo.

5.5 Entregable y defensa: Cierra Experimentación, observación y adquisición de datos mediante un entregable estructurado que incluya alcance, entradas, método, resultados, incertidumbre, riesgos residuales y recomendaciones. La entrega debe permitir que un tercero reconstruya el razonamiento, revise la evidencia y comprenda qué siguiente acción se propone y bajo qué criterio puede considerarse aceptada.

La aplicación de este bloque se contextualiza específicamente en Doctorado en Materiales Sostenibles, Durabilidad y Economía Circular en Construcción, conectando el análisis con los objetivos y el nivel académico propios de esta formación.

Módulo 6 — Analítica avanzada y métodos computacionales para deep learning

6.1 Fundamentos y decisión: Sitúa Analítica avanzada y métodos computacionales para deep learning dentro de los objetivos del programa y define qué decisión, pregunta de investigación o resultado debe producir. Se revisan conceptos, dependencias y límites de aplicación, diferenciando conocimiento establecido de supuestos que necesitan contraste. El participante formula criterios de éxito y establece qué información es imprescindible antes de avanzar.

6.2 Datos, hipótesis y calidad: Organiza los datos necesarios para Analítica avanzada y métodos computacionales para deep learning: fuente, calidad, unidades, versiones, representatividad y trazabilidad. Se conecta la información con Incertidumbre, validación, sensibilidad y robustez para detectar incompatibilidades y vacíos. El ejercicio exige clasificar cada entrada como confirmada, inferida o pendiente y explicar cómo una incertidumbre puede afectar el resultado.

6.3 Método y análisis: Aplica EPD database para desarrollar Analítica avanzada y métodos computacionales para deep learning con un nivel de detalle adecuado al problema. Se documentan parámetros, hipótesis, escenarios y sensibilidad. El objetivo no es producir una salida automática, sino comprender qué transforma la herramienta, qué simplificaciones incorpora y cómo contrastar la respuesta con una segunda referencia.

6.4 Riesgos, interfaces y controles: Analiza vida útil sobreestimada como riesgo relevante de Analítica avanzada y métodos computacionales para deep learning y construye la secuencia causa–consecuencia–control. Se definen señales tempranas, responsables, verificaciones y criterios de escalado. La práctica obliga a distinguir controles realmente independientes de medidas que solo duplican documentación sin reducir el riesgo.

6.5 Entregable y defensa: Cierra Analítica avanzada y métodos computacionales para deep learning mediante un entregable estructurado que incluya alcance, entradas, método, resultados, incertidumbre, riesgos residuales y recomendaciones. La entrega debe permitir que un tercero reconstruya el razonamiento, revise la evidencia y comprenda qué siguiente acción se propone y bajo qué criterio puede considerarse aceptada.

La aplicación de este bloque se contextualiza específicamente en Doctorado en Materiales Sostenibles, Durabilidad y Economía Circular en Construcción, conectando el análisis con los objetivos y el nivel académico propios de esta formación.

Módulo 7 — Incertidumbre, validación, sensibilidad y robustez

7.1 Fundamentos y decisión: Sitúa Incertidumbre, validación, sensibilidad y robustez dentro de los objetivos del programa y define qué decisión, pregunta de investigación o resultado debe producir. Se revisan conceptos, dependencias y límites de aplicación, diferenciando conocimiento establecido de supuestos que necesitan contraste. El participante formula criterios de éxito y establece qué información es imprescindible antes de avanzar.

7.2 Datos, hipótesis y calidad: Organiza los datos necesarios para Incertidumbre, validación, sensibilidad y robustez: fuente, calidad, unidades, versiones, representatividad y trazabilidad. Se conecta la información con Casos de campo, escalabilidad y transferencia a activos reales para detectar incompatibilidades y vacíos. El ejercicio exige clasificar cada entrada como confirmada, inferida o pendiente y explicar cómo una incertidumbre puede afectar el resultado.

7.3 Método y análisis: Aplica material passport para desarrollar Incertidumbre, validación, sensibilidad y robustez con un nivel de detalle adecuado al problema. Se documentan parámetros, hipótesis, escenarios y sensibilidad. El objetivo no es producir una salida automática, sino comprender qué transforma la herramienta, qué simplificaciones incorpora y cómo contrastar la respuesta con una segunda referencia.

7.4 Riesgos, interfaces y controles: Analiza dato EPD inconsistente como riesgo relevante de Incertidumbre, validación, sensibilidad y robustez y construye la secuencia causa–consecuencia–control. Se definen señales tempranas, responsables, verificaciones y criterios de escalado. La práctica obliga a distinguir controles realmente independientes de medidas que solo duplican documentación sin reducir el riesgo.

7.5 Entregable y defensa: Cierra Incertidumbre, validación, sensibilidad y robustez mediante un entregable estructurado que incluya alcance, entradas, método, resultados, incertidumbre, riesgos residuales y recomendaciones. La entrega debe permitir que un tercero reconstruya el razonamiento, revise la evidencia y comprenda qué siguiente acción se propone y bajo qué criterio puede considerarse aceptada.

La aplicación de este bloque se contextualiza específicamente en Doctorado en Materiales Sostenibles, Durabilidad y Economía Circular en Construcción, conectando el análisis con los objetivos y el nivel académico propios de esta formación.

Módulo 8 — Casos de campo, escalabilidad y transferencia a activos reales

8.1 Fundamentos y decisión: Sitúa Casos de campo, escalabilidad y transferencia a activos reales dentro de los objetivos del programa y define qué decisión, pregunta de investigación o resultado debe producir. Se revisan conceptos, dependencias y límites de aplicación, diferenciando conocimiento establecido de supuestos que necesitan contraste. El participante formula criterios de éxito y establece qué información es imprescindible antes de avanzar.

8.2 Datos, hipótesis y calidad: Organiza los datos necesarios para Casos de campo, escalabilidad y transferencia a activos reales: fuente, calidad, unidades, versiones, representatividad y trazabilidad. Se conecta la información con Reproducibilidad, gestión de datos y ciencia abierta para detectar incompatibilidades y vacíos. El ejercicio exige clasificar cada entrada como confirmada, inferida o pendiente y explicar cómo una incertidumbre puede afectar el resultado.

8.3 Método y análisis: Aplica durability models para desarrollar Casos de campo, escalabilidad y transferencia a activos reales con un nivel de detalle adecuado al problema. Se documentan parámetros, hipótesis, escenarios y sensibilidad. El objetivo no es producir una salida automática, sino comprender qué transforma la herramienta, qué simplificaciones incorpora y cómo contrastar la respuesta con una segunda referencia.

8.4 Riesgos, interfaces y controles: Analiza greenwashing como riesgo relevante de Casos de campo, escalabilidad y transferencia a activos reales y construye la secuencia causa–consecuencia–control. Se definen señales tempranas, responsables, verificaciones y criterios de escalado. La práctica obliga a distinguir controles realmente independientes de medidas que solo duplican documentación sin reducir el riesgo.

8.5 Entregable y defensa: Cierra Casos de campo, escalabilidad y transferencia a activos reales mediante un entregable estructurado que incluya alcance, entradas, método, resultados, incertidumbre, riesgos residuales y recomendaciones. La entrega debe permitir que un tercero reconstruya el razonamiento, revise la evidencia y comprenda qué siguiente acción se propone y bajo qué criterio puede considerarse aceptada.

La aplicación de este bloque se contextualiza específicamente en Doctorado en Materiales Sostenibles, Durabilidad y Economía Circular en Construcción, conectando el análisis con los objetivos y el nivel académico propios de esta formación.

Módulo 9 — Reproducibilidad, gestión de datos y ciencia abierta

9.1 Fundamentos y decisión: Sitúa Reproducibilidad, gestión de datos y ciencia abierta dentro de los objetivos del programa y define qué decisión, pregunta de investigación o resultado debe producir. Se revisan conceptos, dependencias y límites de aplicación, diferenciando conocimiento establecido de supuestos que necesitan contraste. El participante formula criterios de éxito y establece qué información es imprescindible antes de avanzar.

9.2 Datos, hipótesis y calidad: Organiza los datos necesarios para Reproducibilidad, gestión de datos y ciencia abierta: fuente, calidad, unidades, versiones, representatividad y trazabilidad. Se conecta la información con Impacto científico, transferencia, regulación y aplicación para detectar incompatibilidades y vacíos. El ejercicio exige clasificar cada entrada como confirmada, inferida o pendiente y explicar cómo una incertidumbre puede afectar el resultado.

9.3 Método y análisis: Aplica Python/OpenCV para desarrollar Reproducibilidad, gestión de datos y ciencia abierta con un nivel de detalle adecuado al problema. Se documentan parámetros, hipótesis, escenarios y sensibilidad. El objetivo no es producir una salida automática, sino comprender qué transforma la herramienta, qué simplificaciones incorpora y cómo contrastar la respuesta con una segunda referencia.

9.4 Riesgos, interfaces y controles: Analiza dataset sesgado como riesgo relevante de Reproducibilidad, gestión de datos y ciencia abierta y construye la secuencia causa–consecuencia–control. Se definen señales tempranas, responsables, verificaciones y criterios de escalado. La práctica obliga a distinguir controles realmente independientes de medidas que solo duplican documentación sin reducir el riesgo.

9.5 Entregable y defensa: Cierra Reproducibilidad, gestión de datos y ciencia abierta mediante un entregable estructurado que incluya alcance, entradas, método, resultados, incertidumbre, riesgos residuales y recomendaciones. La entrega debe permitir que un tercero reconstruya el razonamiento, revise la evidencia y comprenda qué siguiente acción se propone y bajo qué criterio puede considerarse aceptada.

La aplicación de este bloque se contextualiza específicamente en Doctorado en Materiales Sostenibles, Durabilidad y Economía Circular en Construcción, conectando el análisis con los objetivos y el nivel académico propios de esta formación.

Módulo 10 — Impacto científico, transferencia, regulación y aplicación

10.1 Fundamentos y decisión: Sitúa Impacto científico, transferencia, regulación y aplicación dentro de los objetivos del programa y define qué decisión, pregunta de investigación o resultado debe producir. Se revisan conceptos, dependencias y límites de aplicación, diferenciando conocimiento establecido de supuestos que necesitan contraste. El participante formula criterios de éxito y establece qué información es imprescindible antes de avanzar.

10.2 Datos, hipótesis y calidad: Organiza los datos necesarios para Impacto científico, transferencia, regulación y aplicación: fuente, calidad, unidades, versiones, representatividad y trazabilidad. Se conecta la información con Publicación, peer review, ética y defensa científica para detectar incompatibilidades y vacíos. El ejercicio exige clasificar cada entrada como confirmada, inferida o pendiente y explicar cómo una incertidumbre puede afectar el resultado.

10.3 Método y análisis: Aplica frameworks ML para desarrollar Impacto científico, transferencia, regulación y aplicación con un nivel de detalle adecuado al problema. Se documentan parámetros, hipótesis, escenarios y sensibilidad. El objetivo no es producir una salida automática, sino comprender qué transforma la herramienta, qué simplificaciones incorpora y cómo contrastar la respuesta con una segunda referencia.

10.4 Riesgos, interfaces y controles: Analiza falso negativo como riesgo relevante de Impacto científico, transferencia, regulación y aplicación y construye la secuencia causa–consecuencia–control. Se definen señales tempranas, responsables, verificaciones y criterios de escalado. La práctica obliga a distinguir controles realmente independientes de medidas que solo duplican documentación sin reducir el riesgo.

10.5 Entregable y defensa: Cierra Impacto científico, transferencia, regulación y aplicación mediante un entregable estructurado que incluya alcance, entradas, método, resultados, incertidumbre, riesgos residuales y recomendaciones. La entrega debe permitir que un tercero reconstruya el razonamiento, revise la evidencia y comprenda qué siguiente acción se propone y bajo qué criterio puede considerarse aceptada.

La aplicación de este bloque se contextualiza específicamente en Doctorado en Materiales Sostenibles, Durabilidad y Economía Circular en Construcción, conectando el análisis con los objetivos y el nivel académico propios de esta formación.

Módulo 11 — Publicación, peer review, ética y defensa científica

11.1 Fundamentos y decisión: Sitúa Publicación, peer review, ética y defensa científica dentro de los objetivos del programa y define qué decisión, pregunta de investigación o resultado debe producir. Se revisan conceptos, dependencias y límites de aplicación, diferenciando conocimiento establecido de supuestos que necesitan contraste. El participante formula criterios de éxito y establece qué información es imprescindible antes de avanzar.

11.2 Datos, hipótesis y calidad: Organiza los datos necesarios para Publicación, peer review, ética y defensa científica: fuente, calidad, unidades, versiones, representatividad y trazabilidad. Se conecta la información con Tesis doctoral: contribución original en Materiales Sostenibles, Durabilidad y Economía Circular en para detectar incompatibilidades y vacíos. El ejercicio exige clasificar cada entrada como confirmada, inferida o pendiente y explicar cómo una incertidumbre puede afectar el resultado.

11.3 Método y análisis: Aplica ROS/SLAM para desarrollar Publicación, peer review, ética y defensa científica con un nivel de detalle adecuado al problema. Se documentan parámetros, hipótesis, escenarios y sensibilidad. El objetivo no es producir una salida automática, sino comprender qué transforma la herramienta, qué simplificaciones incorpora y cómo contrastar la respuesta con una segunda referencia.

11.4 Riesgos, interfaces y controles: Analiza drift como riesgo relevante de Publicación, peer review, ética y defensa científica y construye la secuencia causa–consecuencia–control. Se definen señales tempranas, responsables, verificaciones y criterios de escalado. La práctica obliga a distinguir controles realmente independientes de medidas que solo duplican documentación sin reducir el riesgo.

11.5 Entregable y defensa: Cierra Publicación, peer review, ética y defensa científica mediante un entregable estructurado que incluya alcance, entradas, método, resultados, incertidumbre, riesgos residuales y recomendaciones. La entrega debe permitir que un tercero reconstruya el razonamiento, revise la evidencia y comprenda qué siguiente acción se propone y bajo qué criterio puede considerarse aceptada.

La aplicación de este bloque se contextualiza específicamente en Doctorado en Materiales Sostenibles, Durabilidad y Economía Circular en Construcción, conectando el análisis con los objetivos y el nivel académico propios de esta formación.

Módulo 12 — Tesis doctoral: contribución original en Materiales Sostenibles, Durabilidad y Economía Circular en

12.1 Fundamentos y decisión: Sitúa Tesis doctoral: contribución original en Materiales Sostenibles, Durabilidad y Economía Circular en dentro de los objetivos del programa y define qué decisión, pregunta de investigación o resultado debe producir. Se revisan conceptos, dependencias y límites de aplicación, diferenciando conocimiento establecido de supuestos que necesitan contraste. El participante formula criterios de éxito y establece qué información es imprescindible antes de avanzar.

12.2 Datos, hipótesis y calidad: Organiza los datos necesarios para Tesis doctoral: contribución original en Materiales Sostenibles, Durabilidad y Economía Circular en: fuente, calidad, unidades, versiones, representatividad y trazabilidad. Se conecta la información con Frontera científica y formulación del problema en Materiales Sostenibles, Durabilidad y Economía Circular en Construcción para detectar incompatibilidades y vacíos. El ejercicio exige clasificar cada entrada como confirmada, inferida o pendiente y explicar cómo una incertidumbre puede afectar el resultado.

12.3 Método y análisis: Aplica BIM/DfMA para desarrollar Tesis doctoral: contribución original en Materiales Sostenibles, Durabilidad y Economía Circular en con un nivel de detalle adecuado al problema. Se documentan parámetros, hipótesis, escenarios y sensibilidad. El objetivo no es producir una salida automática, sino comprender qué transforma la herramienta, qué simplificaciones incorpora y cómo contrastar la respuesta con una segunda referencia.

12.4 Riesgos, interfaces y controles: Analiza interacción humano-robot como riesgo relevante de Tesis doctoral: contribución original en Materiales Sostenibles, Durabilidad y Economía Circular en y construye la secuencia causa–consecuencia–control. Se definen señales tempranas, responsables, verificaciones y criterios de escalado. La práctica obliga a distinguir controles realmente independientes de medidas que solo duplican documentación sin reducir el riesgo.

12.5 Entregable y defensa: Cierra Tesis doctoral: contribución original en Materiales Sostenibles, Durabilidad y Economía Circular en mediante un entregable estructurado que incluya alcance, entradas, método, resultados, incertidumbre, riesgos residuales y recomendaciones. La entrega debe permitir que un tercero reconstruya el razonamiento, revise la evidencia y comprenda qué siguiente acción se propone y bajo qué criterio puede considerarse aceptada.

La aplicación de este bloque se contextualiza específicamente en Doctorado en Materiales Sostenibles, Durabilidad y Economía Circular en Construcción, conectando el análisis con los objetivos y el nivel académico propios de esta formación.