Modelos predictivos basados en uso de analíticas de aprendizaje en educación superior

Abstract

Los métodos tradicionales de predicción del riesgo académico en ocasiones presentan limitaciones para la identificación oportuna, por otro lado, las Analíticas de Aprendizaje presentan ciertas ventajas. El objetivo de este estudio fue analizar características de los modelos predictivos basados en analíticas de aprendizaje en Educación Superior. Se realizó una revisión sistemática de las bases Web of Science, Scopus y Eric usando las palabras clave "analítica de aprendizaje" y "predicción". Se seleccionaron 12 investigaciones que cumplieron con los criterios de inclusión. Los resultados indicaron que el 100% de los estudios buscaron predecir el rendimiento académico, se incluyen variables de analíticas, sociodemográficas y sociocognitivas como predictoras. El sistema de gestión de aprendizaje más usado fue Moodle de cursos blended learning y online. Los estudios se desarrollaron principalmente en Europa; las muestras fueron de hasta 500 participantes de Ingeniería y Tecnología. El tipo de análisis más frecuente fue regresión en software R y SPSS. La mayoría logró un modelo de predicción grande (R2 > .30). Se concluye que la construcción actual de modelos de predicción de abandono universitario posee importantes limitaciones.

Analíticas de aprendizaje y su potencial para una educación de calidad sostenible

“…Existen cuatro formas de AA informadas en la literatura que permiten el análisis descriptivo, análisis de diagnóstico, análisis predictivo y análisis prescriptivo (Hernández-de-Menéndez et al, 2022). En definitiva, la AA son una nueva herramienta tecnológica considerada como una práctica de minería de conjunto de datos de las instituciones de Educación Superior (en adelante ES) para generar datos procesables a través de técnicas de modelado estadístico y predictivo con el propósito de comprender y optimizar el aprendizaje y los entornos en los que se produce, mejorar la toma de decisiones, el resultado y éxito de los estudiantes, los que son determinantes para la gestión educativa eficaz (Mella-Norambuena et al, 2022;Umer et al, 2021).…”

“…Como antecedente es importante que tengamos a la vista la línea de tiempo que da cuenta de la trayectoria de las AA en investigación para su comprensión. En este sentido podeos señalar que la AA apareció en 1995 y hasta su desarrollo actual muestra tres fases de progreso cronológico (Mella-Norambuena et al, 2022). La Fase I denominada investigación y desarrollo inicial (1995)(1996)(1997)(1998)(1999)(2000)(2001)(2002)(2003)(2004)(2005) se caracterizó por insuficiente base teórica Ciencia Latina Revista Científica Multidisciplinar, Ciudad de México, México.…”

Invariant and suboptimal trajectories of self-regulated learning during secondary school: implications focused on quality in higher education

“…Although the importance of understanding students’ self-regulatory processes for providing quality education is recognized, little is known about how students’ SRL profiles develop over time ( Li et al, 2020 ), or the potential increase in students’ SRL at different grades along their academic trajectory, where they are supposed to be gaining educational experience ( Higgins et al, 2021 ). The lack of a predefined and formal SRL trajectory makes it more difficult to assess students’ progress (e.g., by comparing it to a specific SRL baseline) and to provide relevant feedback and scaffolding, when appropriate ( Mella-Norambuena et al, 2021 ).…”