Articles
The
impact of big data on the personalization of learning in
digital
environments
El
impacto del big data en la personalización del aprendizaje en
entornos
digitales
José Lenin Luquez Villalva 1
ORCID: https://orcid.org/0009-0005-7667-3011
Carlin Chávez Esther Lucrecia
1
ORCID: https://orcid.org/0000-0002-5262-1533
Raúl López Fernández 1
ORCID: https://orcid.org/0000-0001-5316-2300
Universidad Bolivariana del Ecuador. Durán-Ecuador 1
Corresponding autor
jlluquezv@ube.edu.ec
Received: 03-12-2025
Accepted: 06-02-2026
Available online: 15-05-2026
Abstract
Big Data and learning personalization emerge in digital educational
environments, revealing a gap between their pedagogical potential, curricular
guidelines, and students’ perceptions at the high school level. The aim of this
study was to analyze high school students’ perceptions of the use of
data-driven digital platforms (Big Data) and their relationship with learning
personalization in the subject of Computer Science at Unidad Educativa
Particular Simón Bolívar. A quantitative, descriptive, cross-sectional study
was conducted using a survey applied to 83 students, with a questionnaire
validated by experts and analyzed through descriptive statistics. The results
show high use of digital platforms but low perceived learning personalization,
limited adaptation of activities, and a weak formative use of automated reports
in the analyzed context. It is concluded that the use of digital platforms does
not guarantee learning personalization; the contribution of this study lies in
highlighting the need to integrate data analysis with pedagogical
decision-making.
Keywords: Big Data,
learning personalization, digital platforms, secondary education.
Resumen
El Big Data y la personalización del aprendizaje emergen en entornos
digitales educativos, evidenciando una brecha entre su potencial pedagógico,
las orientaciones curriculares y las percepciones estudiantiles en el
bachillerato. El objetivo de la investigación fue analizar las percepciones de
los estudiantes de bachillerato sobre el uso de plataformas digitales apoyadas
en análisis de datos (Big Data) y su relación con la personalización del
aprendizaje en la asignatura de Informática en la Unidad Educativa Particular
Simón Bolívar, Se desarrolló un estudio cuantitativo, descriptivo y transversal,
con encuesta aplicada a 83 estudiantes, utilizando un cuestionario validado por
expertos y analizado mediante estadística descriptiva. Los resultados muestran
alto uso de plataformas digitales, pero baja percepción de personalización del
aprendizaje, limitada adaptación de actividades y uso poco formativo de
reportes automáticos en el contexto analizado. Se concluye que el uso de
plataformas digitales no garantiza personalización del aprendizaje; el aporte
del estudio radica en evidenciar la necesidad de integrar el análisis de datos
con decisiones pedagógicas.
Palabras clave: Big Data, personalización del
aprendizaje, plataformas digitales, educación secundaria.
Introduction
El crecimiento sostenido de la información generada por
sistemas digitales y actividades cotidianas ha impulsado el desarrollo de
métodos orientados al almacenamiento y procesamiento de grandes volúmenes de
datos, superando las capacidades de las bases de datos tradicionales. En este
contexto surge el concepto de Big Data, entendido como un conjunto de
tecnologías destinadas a la gestión de información caracterizada por su
volumen, variedad y velocidad de generación (Hernández et al., 2017).
Desde una perspectiva analítica, Big Data se asocia al
procesamiento de datos estructurados, semiestructurados y no estructurados cuya
magnitud excede las herramientas convencionales. Su relevancia radica en la
posibilidad de analizar estos datos para obtener información útil que apoye la
toma de decisiones en distintos ámbitos, incluido el educativo (Pérez, 2019).
En educación, el uso de plataformas digitales apoyadas en
análisis de datos ha sido señalado como una vía para sistematizar información
sobre el desempeño y las necesidades de los estudiantes, así como para apoyar
la gestión pedagógica. Diversos estudios indican que estas tecnologías permiten
identificar patrones de uso, seguimiento académico y tendencias de aprendizaje,
aunque su aprovechamiento efectivo depende de las condiciones institucionales y
de las prácticas docentes (Lozano et al., 2025).
La personalización del aprendizaje se plantea como un
enfoque que busca ajustar los procesos de enseñanza a las características,
ritmos y estilos de los estudiantes. Frente a modelos educativos homogéneos, la
personalización reconoce la diversidad del aula y la necesidad de estrategias
diferenciadas que respondan a dicha diversidad (Monge et al., 2024). La
personalización del aprendizaje se apoya en fundamentos pedagógicos como el
constructivismo y las inteligencias múltiples, y encuentra en la tecnología
educativa un medio para adaptar contenidos, actividades y evaluaciones. Los
entornos digitales, entendidos como plataformas que facilitan la interacción,
el acceso a contenidos y la gestión académica, han ampliado las posibilidades
de flexibilización del proceso educativo (Guerra, 2020).
La UNESCO (2025) señala que el aprendizaje digital se ha
consolidado como un componente central de los sistemas educativos contemporáneos,
al integrar herramientas y recursos que amplían el acceso al conocimiento y
modifican las dinámicas tradicionales de enseñanza. No obstante, este
desarrollo tecnológico plantea el desafío de comprender cómo estas herramientas
son utilizadas en la práctica y cómo son percibidas por los estudiantes.
La literatura coincide en que las plataformas digitales
basadas en análisis de datos ofrecen posibilidades para apoyar la
personalización del aprendizaje, al facilitar la adaptación de contenidos y la
retroalimentación académica. Estudios previos destacan el uso de algoritmos y
sistemas de inteligencia artificial para generar rutas de aprendizaje
diferenciadas y evaluaciones ajustadas a los estilos de aprendizaje (Tuomi,
2018; Pellegrino et al., 2001; James et al., 2002; García Villarroel, 2021).
Sin embargo, gran parte de estas investigaciones se centran en el potencial de
la tecnología, más que en su uso efectivo en contextos educativos específicos.
En el contexto ecuatoriano, el Currículo Nacional del Bachillerato
General Unificado promueve el desarrollo de competencias digitales, el
pensamiento lógico y el uso ético de la información, destacando el papel de las
tecnologías en la formación integral del estudiantado (Ministerio de Educación
del Ecuador, 2016). Se plantea que las tecnologías digitales deben favorecer un
aprendizaje significativo y atender la diversidad de ritmos y estilos de
aprendizaje. En la práctica educativa, el uso de plataformas digitales suele
limitarse a la gestión de contenidos, sin aprovechar plenamente la información
generada para apoyar la personalización del aprendizaje (UNESCO, 2019).
Desde esta perspectiva, se evidencia una brecha entre las
orientaciones curriculares y el uso efectivo de herramientas basadas en
análisis de datos en la educación secundaria. En particular, existe escasa
evidencia empírica sobre cómo los estudiantes perciben el uso de plataformas
digitales apoyadas en Big Data y su relación con la personalización del
aprendizaje en contextos escolares concretos.
En la Unidad Educativa Particular Simón Bolívar, ubicada en
Lago Agrio, la integración de este tipo de plataformas en la asignatura de
Informática es limitada, lo que justifica analizar el fenómeno desde la
percepción del estudiantado. El objetivo de la investigación fue analizar las
percepciones de los estudiantes de bachillerato sobre el uso de plataformas
digitales apoyadas en análisis de datos (Big Data) y su relación con la
personalización del aprendizaje en la asignatura de Informática en la Unidad
Educativa Particular Simón Bolívar.
Methodology
La investigación se desarrolló bajo un enfoque
cuantitativo, de alcance exploratorio y descriptivo, con un diseño no
experimental y transversal. Este encuadre fue coherente con el propósito del
estudio, pues permitió describir percepciones estudiantiles sobre el uso de
plataformas digitales apoyadas en análisis de datos y su relación con la
personalización del aprendizaje, sin manipulación de variables y con
recolección de información en un único momento (Hernández et al., 2014; Arias,
2012).
La población estuvo conformada por 106 estudiantes de
bachillerato de la Unidad Educativa Simón Bolívar, pertenecientes a las
especialidades de Ciencias y Diseño Gráfico. La muestra se calculó mediante la
fórmula para poblaciones finitas, con un nivel de confianza del 95 % y un
margen de error del 5 %, obteniéndose 83 participantes. Se aplicó un muestreo
probabilístico estratificado por especialidad, manteniendo la proporcionalidad
entre los dos grupos para asegurar su representación en la muestra.
La técnica de recolección de datos fue la encuesta,
aplicada mediante un cuestionario estructurado con ítems organizados en
dimensiones vinculadas al uso de plataformas digitales y a la personalización
del aprendizaje. Las respuestas se registraron en una escala Likert de cinco
niveles, lo que permitió describir frecuencias, tendencias y niveles de acuerdo
en torno a los indicadores evaluados.
La validez de contenido del cuestionario se estableció
mediante juicio de tres expertos en educación y tecnología. La revisión
consideró criterios de claridad del lenguaje, objetividad, orden de los ítems,
intencionalidad y pertinencia del instrumento con relación a los objetivos del
estudio, utilizando una escala de cuatro niveles (totalmente de acuerdo,
parcialmente de acuerdo, en desacuerdo y totalmente en desacuerdo).
Posteriormente, se ejecutó una prueba piloto con 10 estudiantes que no formaron
parte de la muestra definitiva para depurar la redacción y comprensión de los
ítems. La confiabilidad del cuestionario se estimó mediante el coeficiente alfa
de Cronbach, con un valor superior a 0.80, indicador de consistencia interna
adecuada.
El estudio se desarrolló en una secuencia definida:
construcción del cuestionario, validación por expertos, pilotaje, ajustes
finales y aplicación presencial de la encuesta a la muestra seleccionada, con
posterior organización de los datos para su análisis. En paralelo, y con base
en los hallazgos del diagnóstico descriptivo, se diseñó una propuesta de
innovación digital orientada al uso pedagógico del análisis de datos para
fortalecer la personalización del aprendizaje. Dicha propuesta fue sometida a
validación de contenido por los mismos tres expertos, quienes evaluaron su
coherencia pedagógica, claridad, viabilidad tecnológica y correspondencia con
el problema y los resultados obtenidos. La valoración global reportó alta
aceptación, con predominio de evaluaciones en las categorías de acuerdo, sin
registros de desacuerdo, lo que respaldó la pertinencia general de la propuesta
para su presentación en el artículo.
En el plano ético, se gestionó la autorización
institucional para la aplicación del instrumento y se obtuvo el consentimiento
informado de los participantes y, cuando correspondió, de sus representantes
legales. Se garantizó la participación voluntaria, el anonimato, la
confidencialidad de la información y el uso exclusivo de los datos con fines
académicos y científicos.
El análisis de datos se realizó mediante estadística
descriptiva en Microsoft Excel, calculando frecuencias, porcentajes y medidas
de tendencia central, y representando los resultados en tablas y gráficos. Este
tratamiento fue consistente con el alcance exploratorio–descriptivo y con el
tipo de información recolectada mediante escala Likert.
Results
Los resultados se presentan organizados por
dimensiones del cuestionario aplicado a 83 estudiantes de bachillerato,
utilizando una escala Likert de cinco niveles. Se reportan frecuencias
absolutas y porcentajes para cada ítem.
Uso de
plataformas digitales
La Tabla 1 presenta la distribución de
respuestas correspondiente al ítem relacionado con la frecuencia de uso de
plataformas digitales institucionales para la realización de actividades
escolares.
Tabla 1
Uso frecuente de plataformas digitales
|
Categoría de respuesta
|
Frecuencia
|
Porcentaje
|
|
Totalmente en desacuerdo
|
3
|
3 %
|
|
En desacuerdo
|
8
|
10 %
|
|
Ni de acuerdo ni en desacuerdo
|
13
|
16 %
|
|
De acuerdo
|
35
|
42 %
|
|
Totalmente de acuerdo
|
24
|
29 %
|
|
Total
|
83
|
100 %
|
La Tabla 2 muestra la distribución de
respuestas del ítem referido al acceso a información sobre calificaciones o
progreso académico en las plataformas digitales utilizadas.
Tabla 2
Acceso a información de calificaciones o progreso
académico
|
Categoría de respuesta
|
Frecuencia
|
Porcentaje
|
|
Totalmente en desacuerdo
|
0
|
0 %
|
|
En desacuerdo
|
1
|
1 %
|
|
Ni de acuerdo ni en desacuerdo
|
13
|
16 %
|
|
De acuerdo
|
41
|
49 %
|
|
Totalmente de acuerdo
|
28
|
34 %
|
|
Total
|
83
|
100 %
|
Análisis de
información educativa
La Tabla 3 presenta las respuestas
correspondientes al ítem relacionado con la contribución de los reportes o
resultados automáticos de las plataformas digitales al proceso de aprendizaje.
Tabla 3
Reportes automáticos y proceso de aprendizaje
|
Categoría de respuesta
|
Frecuencia
|
Porcentaje
|
|
Totalmente en desacuerdo
|
5
|
6 %
|
|
En desacuerdo
|
8
|
10 %
|
|
Ni de acuerdo ni en desacuerdo
|
40
|
48 %
|
|
De acuerdo
|
18
|
22 %
|
|
Totalmente de acuerdo
|
12
|
14 %
|
|
Total
|
83
|
100 %
|
Adaptación de
contenidos y actividades
La Tabla 4 presenta la distribución de
respuestas del ítem relacionado con la adaptación de las actividades digitales
al nivel o ritmo de aprendizaje del estudiante.
Tabla 4
Adaptación de actividades al ritmo de aprendizaje
|
Categoría de respuesta
|
Frecuencia
|
Porcentaje
|
|
Totalmente en desacuerdo
|
18
|
22 %
|
|
En desacuerdo
|
24
|
29 %
|
|
Ni de acuerdo ni en desacuerdo
|
29
|
35 %
|
|
De acuerdo
|
10
|
12 %
|
|
Totalmente de acuerdo
|
2
|
2 %
|
|
Total
|
83
|
100 %
|
La Tabla 5 muestra las respuestas del ítem
referido al uso de herramientas tecnológicas personalizadas para la comprensión
de los contenidos.
Tabla 5
Herramientas tecnológicas personalizadas y
comprensión de contenidos
|
Categoría de respuesta
|
Frecuencia
|
Porcentaje
|
|
Totalmente en desacuerdo
|
3
|
3 %
|
|
En desacuerdo
|
8
|
10 %
|
|
Ni de acuerdo ni en desacuerdo
|
24
|
29 %
|
|
De acuerdo
|
33
|
40 %
|
|
Totalmente de acuerdo
|
15
|
18 %
|
|
Total
|
83
|
100 %
|
Valoración
general de la personalización del aprendizaje
La Tabla 6 presenta la distribución de
respuestas del ítem relacionado con la influencia de la personalización del
aprendizaje mediante tecnologías digitales en el proceso de aprendizaje.
Tabla 6
Influencia de la personalización digital en el
proceso de aprendizaje
|
Categoría de respuesta
|
Frecuencia
|
Porcentaje
|
|
Totalmente en desacuerdo
|
3
|
2 %
|
|
En desacuerdo
|
15
|
18 %
|
|
Ni de acuerdo ni en desacuerdo
|
14
|
17 %
|
|
De acuerdo
|
23
|
28 %
|
|
Totalmente de acuerdo
|
28
|
34 %
|
|
Total
|
83
|
100 %
|
Discussion
Los datos correspondientes a la dimensión de uso de
plataformas digitales muestran que una proporción considerable de estudiantes
manifiesta utilizar con frecuencia entornos como Edumax o Google Classroom y
acceder a información sobre calificaciones o progreso académico. Este hallazgo
coincide con lo reportado en estudios previos que señalan una amplia
incorporación de plataformas digitales en la educación secundaria, asociada
principalmente a funciones de gestión académica y seguimiento básico del
rendimiento (Hernández et al., 2014; Lozano et al., 2025).
Cuando se analizan los resultados vinculados al uso de
reportes automáticos y a la adaptación de contenidos y actividades, se observa
un patrón distinto. En la dimensión de análisis de información educativa, una
parte importante de los estudiantes se ubica en posiciones neutrales o de
desacuerdo respecto a la contribución de los reportes automáticos al proceso de
aprendizaje. Esto sugiere que, aunque las plataformas generan información
basada en datos, dicha información no siempre es percibida por los estudiantes
como un recurso formativo relevante, se advierten que la retroalimentación
automatizada suele limitarse a la presentación de resultados, sin una mediación
pedagógica que favorezca su comprensión y uso para la autorregulación del
aprendizaje.
El contraste se acentúa al considerar los ítems
relacionados con la adaptación de actividades al ritmo o nivel de aprendizaje,
se muestra que una mayoría de estudiantes no percibe que las actividades
digitales estén ajustadas a sus características individuales, lo que evidencia
una brecha entre el uso frecuente de plataformas y la personalización efectiva
del proceso de enseñanza-aprendizaje, se pone de manifiesto que la
disponibilidad tecnológica no garantiza, por sí misma, prácticas pedagógicas
diferenciadas, tal como señalan Monge et al. (2024) al analizar los límites de
la personalización cuando no se integran criterios pedagógicos claros en el uso
de tecnologías digitales.
Los resultados asociados al uso de herramientas
tecnológicas personalizadas para la comprensión de los contenidos muestran una
distribución más equilibrada entre el acuerdo y la neutralidad. Esta
variabilidad sugiere que la experiencia de personalización no es homogénea
entre los estudiantes, lo que puede estar relacionado con diferencias en la
forma en que las actividades digitales son diseñadas o implementadas por el
profesorado. En este sentido, Pellegrino, Chudowsky y Glaser (2001) y James et
al. (2002) señalan que el valor formativo de las tecnologías depende de su
integración coherente con estrategias de evaluación y retroalimentación
alineadas con los objetivos de aprendizaje.
La valoración general de la personalización del aprendizaje
mediante tecnologías digitales muestra que una parte significativa de los
estudiantes reconoce su influencia en el proceso de aprendizaje, aunque
persisten niveles relevantes de desacuerdo y neutralidad. Esto refuerza la idea
de que los estudiantes identifican el potencial de la personalización digital,
pero no siempre lo experimentan de manera consistente en su práctica educativa
cotidiana. Estudios como los de Siemens y Long (2011) y Tuomi (2018) coinciden
en señalar que el uso educativo del análisis de datos requiere no solo
infraestructura tecnológica, sino también una transformación pedagógica
orientada al uso sistemático de la información para apoyar decisiones
didácticas.
A partir de los hallazgos
obtenidos y del análisis desarrollado en la sección de discusión, se elaboró un
diseño conceptual de una propuesta de innovación digital orientada al uso
pedagógico del análisis de datos para fortalecer la personalización del
aprendizaje en el bachillerato. Esta propuesta no fue implementada ni evaluada
empíricamente en el marco de esta investigación; sin embargo, su contenido fue
sometido a validación por juicio de expertos. En este sentido, se presenta como
un planteamiento orientativo, derivado de la interpretación de los resultados y
del diálogo con la literatura especializada.
Propuesta: Programa de innovación digital basado en
Big Data para la personalización del aprendizaje en el bachillerato
Fundamentación
Los resultados del estudio muestran que,
aunque los estudiantes utilizan con frecuencia plataformas digitales
institucionales, la personalización del aprendizaje no es percibida de manera
sistemática en su experiencia educativa. Este hallazgo sugiere que herramientas
como Edumax y Google Classroom se emplean principalmente para la gestión de
actividades y la entrega de tareas, sin un aprovechamiento pedagógico explícito
de la información que generan.
Desde un enfoque teórico, el Big Data
educativo posibilita el análisis de los datos producidos en los entornos
digitales, permitiendo identificar patrones generales de participación,
progreso académico y trayectorias de aprendizaje. La literatura señala que la
analítica del aprendizaje puede orientar procesos de personalización cuando se
articula con decisiones pedagógicas fundamentadas. En este marco, se formula la
presente propuesta como un diseño
conceptual de innovación digital, orientado a ofrecer
lineamientos estructurados para el uso pedagógico del análisis de datos en el
bachillerato, sin que ello implique su implementación ni evaluación empírica en
el contexto de esta investigación.
Diseño de la
propuesta
La propuesta se organiza en etapas
secuenciales concebidas como fases
conceptuales orientativas, cuya descripción tiene un carácter
referencial y prospectivo.
Etapa I.
Diagnóstico digital y pedagógico
Esta etapa se orienta a la identificación
de prácticas generales relacionadas con el uso de tecnologías digitales y
competencias digitales en la comunidad educativa. El diagnóstico permitiría
disponer de una caracterización inicial del contexto institucional, a partir
del análisis de información generada por plataformas digitales y de
instrumentos de percepción aplicados a docentes y estudiantes.
Etapa II. Formación
y capacitación docente
Desde una perspectiva conceptual, esta
etapa plantea el fortalecimiento de las competencias docentes vinculadas al
análisis e interpretación de datos educativos. El énfasis se sitúa en la
comprensión pedagógica de reportes académicos y en su posible uso para la
diversificación de estrategias de enseñanza y apoyo al aprendizaje.
Etapa III.
Uso de herramientas analíticas educativas
Esta fase considera el aprovechamiento de
funciones existentes en plataformas como Edumax y Google Classroom, así como de
herramientas básicas de análisis de datos, con el propósito de organizar y
visualizar información académica relevante. Estas acciones se entienden como
orientaciones generales para apoyar la planificación pedagógica basada en datos
descriptivos.
Etapa IV.
Orientaciones para rutas personalizadas de aprendizaje
En esta etapa se plantea, de manera
referencial, la posibilidad de diseñar actividades diferenciadas y recursos
educativos ajustados a perfiles académicos generales, considerando la
información disponible sobre participación y progreso estudiantil. Estas
orientaciones no constituyen rutas de intervención estandarizadas, sino
criterios pedagógicos para atender la diversidad en entornos digitales.
Etapa V.
Seguimiento y retroalimentación
Esta etapa contempla la retroalimentación
como un proceso continuo de análisis reflexivo de la información educativa,
orientado a la mejora progresiva de las prácticas pedagógicas y al
acompañamiento del aprendizaje, sin establecer procedimientos formales de
evaluación de impacto.
Resultados
esperados de la propuesta
Dado el carácter no aplicado del presente diseño, los
resultados que se describen a continuación deben entenderse como resultados esperados a nivel teórico y prospectivo,
asociados a una eventual implementación futura del programa en contextos
institucionales similares:
·
Mayor sistematización del uso de datos educativos para apoyar la
planificación pedagógica en entornos digitales.
·
Fortalecimiento de las competencias docentes relacionadas con la
interpretación y uso pedagógico de información generada por plataformas
digitales.
·
Orientación progresiva hacia prácticas de personalización del
aprendizaje basadas en datos descriptivos de participación y progreso
académico.
·
Promoción de una cultura institucional reflexiva en torno al uso
educativo del Big Data, alineada con los objetivos curriculares del
bachillerato.
Validación de la
propuesta
El diseño conceptual de la propuesta fue
sometido a un proceso de validación de
contenido mediante juicio de expertos, con el propósito de
examinar su coherencia pedagógica, claridad conceptual, pertinencia y
viabilidad general en el contexto del bachillerato. En este proceso
participaron tres expertos en
educación y tecnología, con formación de cuarto nivel y
experiencia en el ámbito educativo.
La validación se desarrolló a partir de una
revisión analítica del diseño,
considerando criterios previamente definidos: claridad del planteamiento,
coherencia interna entre las etapas propuestas, correspondencia con los
hallazgos del estudio y pertinencia pedagógica del enfoque propuesto. Cada
criterio fue valorado mediante una escala
ordinal de cuatro niveles (totalmente de acuerdo, parcialmente
de acuerdo, en desacuerdo y totalmente en desacuerdo).
Como indicador de validación se utilizó el nivel de acuerdo interexperto,
entendido como el porcentaje de valoraciones ubicadas en las categorías de
acuerdo (totalmente de acuerdo y parcialmente de acuerdo) respecto del total de
juicios emitidos. Los resultados evidenciaron un alto nivel de concordancia, con la
totalidad de las valoraciones concentradas en las categorías de acuerdo y ausencia de juicios de desacuerdo,
lo que equivale a un índice de validez
de contenido satisfactorio para un diseño conceptual de
carácter orientativo.
Conclusions
El uso de plataformas digitales en el bachillerato se
encuentra ampliamente extendido, pero su aprovechamiento pedagógico para la
personalización del aprendizaje es limitado, si bien los estudiantes acceden
con frecuencia a entornos digitales institucionales, estos se utilizan
principalmente para la gestión de actividades y la consulta de información
académica, sin una integración sistemática de estrategias basadas en el
análisis de datos educativos.
Se evidencia una brecha entre el uso habitual de
tecnologías digitales y la percepción de una personalización efectiva del
aprendizaje, los estudiantes reconocen la utilidad general de las plataformas,
pero no identifican de manera consistente adaptaciones de contenidos,
actividades o retroalimentación ajustadas a sus ritmos y necesidades. Esto confirma
que la disponibilidad tecnológica, por sí sola, no garantiza procesos de
personalización, y que el valor educativo del Big Data depende de su
articulación con decisiones pedagógicas concretas.
El estudio contribuye al campo de la informática educativa
al sustentar, desde datos descriptivos, la necesidad de transitar de un uso
administrativo de las plataformas hacia un enfoque pedagógico basado en el
análisis de información educativa. La propuesta conceptual derivada del estudio
se presenta como un aporte orientativo que vincula los resultados empíricos con
lineamientos teóricos para el uso pedagógico del Big Data, sin exceder el
alcance metodológico de la investigación.
References
García,
J. (2021). Implicancia de la Inteligencia Artificial en las aulas virtuales
para la educación superior. Revista Orbis Tertius-UPAL, 5(10), 31-52. https://doi.org/10.59748/ot.v5i10.98
Guerra, P. (2020). El
uso de entornos virtuales en el proceso enseñanza-aprendizaje de una segunda
lengua: estudio de caso (tesis). Universidad Andina Simón Bolívar, Sede
Ecuador. http://hdl.handle.net/10644/7215
Hernández,
R., Fernández, C. y Baptista, P. (2014). Metodología de la Investigación
(6.ª ed.). McGraw-Hill Education.
Hernández, E., Duque,
N., & Moreno, J. (2017). Big Data: una exploración de investigaciones,
tecnologías y casos de aplicación. Revista TecnoLógicas, 29(37). https://dialnet.unirioja.es/descarga/articulo/5920780.pdf
Heredia, H. (2020).
Big Data en la educación. Horizontes. Revista de Investigación en Ciencias
de la Educación, 4(16), 523–535. https://doi.org/10.33996/revistahorizontes.v4i16.134
Huanca, J. (2024).
Transformación digital y Big Data en la educación superior: desafíos y
oportunidades para la toma de decisiones académicas. Revista UGC, 2(3),
152–164. https://universidadugc.edu.mx/ojs/index.php/rugc/article/view/67/64
James, R., McInnis,
C., & Devlin, M. (2002). Assessing learning in Australian universities:
Ideas, strategies and resources for quality in student assessment.
University of Melbourne, Centre for the Study of Higher Education.
Lozano,
N., Obregoso, D., Toala, J., Llerena, N., & Barrera, M. (2025). Big Data en
la educación: personalización del aprendizaje y predicción del rendimiento
estudiantil para la mejora de los resultados académicos. Polo del
Conocimiento Revista Científico-Académica Multidisciplinaria, 10(4). https://www.polodelconocimiento.com/ojs/index.php/es/article/view/9488/html
Márquez
Beltrán, JA (2024) La Personalización del Aprendizaje: Un Enfoque para la
Educación del Siglo XXI. https://doi.org/10.13140/RG.2.2.17921.06244
Ministerio
de Educación del Ecuador. (2016). Currículo para los Niveles de Educación
Obligatoria: Bachillerato General Unificado. https://educacion.gob.ec/wp-content/uploads/downloads/2016/03/BGU2.pdf
Monge
Vera, M. M., Villamagua Jiménez, G. M., Aroca Izurieta, C. E., Chico Guzmán, B.
A., & López Velasco, J. E. (2024). Personalización del proceso de
aprendizaje mediante inteligencia artificial: Customization of the learning
process through artificial intelligence. LATAM Revista Latinoamericana De
Ciencias Sociales Y Humanidades, 5(3), 772 – 785. https://doi.org/10.56712/latam.v5i3.2076
Naidu,
S. (2003). Learning & teaching with technology: Principles and practices.
Routledge.
Pellegrino,
J. W., Chudowsky, N., & Glaser, R. (2001). Knowing what students know:
The science and design of educational assessment. National Academies
Press.
Pérez,
C. (2019). Análisis comparativo de las herramientas de Big Data para mejorar
el rendimiento académico de los estudiantes de carrera de Ingeniería en
Computación y Redes. Universidad Estatal del Sur de Manabí. https://repositorio.unesum.edu.ec/bitstream/53000/1575/1/UNESUM-ECU-REDES-2019-21.pdf
Ruhe,
V., & Zumbo, B. D. (2009). Evaluation in distance education and
e-learning: The unfolding model. Guilford Press.
Siemens,
G. y Long, P. (2011). Penetrando la niebla: Analítica en el aprendizaje y la
educación. Revista EDUCAUSE, 46(5), 30–40. https://er.educause.edu/-/media/files/article-downloads/erm1151.pdf
Tuomi,
I. (2018) The Impact of Artificial Intelligence on Learning, Teaching, and
Education: Policies for the Future. https://doi.org/10.2760/12297
UNESCO.
(2019). Marco de Competencias TIC para Docentes. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000371024
UNESCO. (2025). Digital
education. Organización de las Naciones Unidas para la Educación, la
Ciencia y la Cultura. https://www.unesco.org/es/digital-education
Woolfolk,
A. (2010). Educational psychology (11th ed.). Pearson.
Funding
The authors
received no funding for the development of the research.
Conflict of Interest
The authors
declare that they have no conflicts of interest.
Author Contributions
The authors
contributed to the development of the manuscript.
