Analítica de aprendizaje y personalización

Zapata-Ros, Miguel Analítica de aprendizaje y personalización., 2013 [Preprint]

analítica_aprendizaje_zapata.pdf - Accepted version
Available under License Creative Commons Attribution Non-commercial No Derivatives.

Download (1MB) | Preview

English abstract

This paper presents a review of the big data learning analytics in Higher Education. It relates to a new task-based and achievement-based learning paradigm in line with individual capacities, but not with time, space or age. It is pertinent to raise it now because this is the first time that technological power can meet this need. Its feasibility and relevance are clearly defined by the 2 sigma problem, which raises the broad horizon ahead to a limit target learning. Currently, a strong interest in analysis of learning data is found using systems and software based on social and ubiquitous environments and on the new LMS, which have them included. The problem is that until now, commonly used consolidated tools only get data and graphs that relate individual against group performance, and both together. Moreover, those relationships only make reference to learning data taken from conventional evaluation input. However, there is a space that provides a huge amount of data not only for student evaluation which we currently ignore, at least explicitly. It is the space of connected personal work, networking with peers, with teachers, with the resources and all the material to be used, and with the registration of the methods and strategies they use. Now there is a new perspective: personalised big data analytics. Algorithms used for other media, properly guided by personalized learning theories, by teaching techniques and instructional design can, along with advances in data mining, obtain information to set educational intervention better, to improve student performance, besides their satisfaction and that of the educational program. We have analysed current theories and practices and the review has identified four major challenges that this field must address now. It also points out that it would be good to have a reference model for learning analysis. A model that gives supports providing communication tools and common work patterns for researchers. A challenge of priority nature is to use analytics to detect early indicators of dropout in online studies. Finally, we conclude that an approach involving mediation between analytics and its application in the context of student orientation or instructional design is essential.

Spanish abstract

En este trabajo se plantea una revisión de las analíticas masivas de datos de aprendizaje en la Educación Superior. Se relaciona con un nuevo paradigma de aprendizaje basado en tareas y en logros en consonancia con las capacidades individuales y no con el tiempo, con el espacio o con la edad. Es pertinente plantearlo ahora porque es la primera vez que la potencia tecnológica puede responder a esta necesidad. La viabilidad y la relevancia las define claramente el problema de 2 sigma, que plantea el amplio horizonte por recorrer hasta un objetivo límite de aprendizaje. Actualmente se constata un decidido interés por el análisis de datos de aprendizaje utilizando los sistemas y el software basado en los entornos sociales y ubicuos y en los nuevos LMS que lo incorporan. El problema es que hasta ahora las herramientas consolidadas de uso común solo obtienen datos y gráficas que relacionan el rendimiento individual con el grupal, y el de éste en conjunto, y además sólo lo hacen con referencia a datos de aprendizaje que hemos introducido merced a procedimientos de evaluación convencionales. Sin embargo hay un espacio que suministra una enorme cantidad de datos no solo para la evaluación del alumno y que actualmente ignoramos, al menos de forma explícita, es el espacio de trabajo personal del alumno conectado, en red con sus iguales, con los profesores, con los recursos y con todo el material que va utilizando y con el registro de los métodos y estrategias con que lo hace. Ahora hay una nueva perspectiva: La analítica masiva de datos personalizados. Los algoritmos utilizados en otros medios, adecuadamente orientados por las teorías del aprendizaje personalizado, por técnicas pedagógicas y de diseño instruccional pueden, junto con los avances en minería de datos, obtener informaciones para ajustar mejor la intervención educativa, para mejorar el rendimiento del alumnos, a más de su satisfacción, y el del programa educativo. Analizamos las teorías y las prácticas existentes y la revisión ha identificado cuatro grandes desafíos que este campo debe ahora abordar, así como que sería bueno contar con un modelo de referencia para el análisis de aprendizaje. Un modelo que apoye dando herramientas de comunicación y patrones de trabajo conjunto entre los investigadores. Un desafío de naturaleza prioritaria consiste en utilizar la analítica para detectar indicadores de abandono precoz en estudios en línea. Por último concluimos que es imprescindible un planteamiento que implique una mediación entre la analítica y su aplicación en contextos de orientación al alumno o de diseño instruccional.

Item type: Preprint
Keywords: Learning Analytics, personalization, 2 sigma Problem, divergent learning, postindustrial learning paradigm, massive data analytics, drop detection, college education; Analiticas de aprendizaje, personalización, problema 2 sigmas, aprendizaje divergente, paradigma aprendizaje postindustrial, analítica de datos masivos, detección abandono, educación universitaria, analítica de datos masivos
Subjects: G. Industry, profession and education. > GH. Education.
Depositing user: Dr. Miguel Zapata-Ros
Date deposited: 17 Jun 2013 14:36
Last modified: 02 Oct 2014 12:26


"SEEK" links will first look for possible matches inside E-LIS and query Google Scholar if no results are found.

Bloom, B.S. (Ed.) (1956). Taxonomy of educational objectives: The classification of educational goals: Handbook I, cognitive domain. Longmans, Green.

Bloom, B.S. (Ed.) (1976). Human characteristics and school learning.

Bloom, B. (1984). The 2 Sigma Problem: The Search for Methods of Group Instruction as ffective as One-to-One Tutoring, EducationalResearcher, 13:6(4-16).

Brandman, R. (2013) 5 Tips: Learn more effectively in class with Mastery Learning. Course Operations MOOC Pedagogy Specialist, Accesible el 09/06/13 en

Buckingham Shum, S. and Deakin Crick, R. (2012), Learning Dispositions and Transferable Competencies: Pedagogy, Modelling and Learning Analytics. Proc. 2nd International Conference on Learning Analytics & Knowledge. ACM Press: NY.

CIT (Center for Instructional Technology) (2013) Building a Coursera Course v 2.0 Accesible el 09/06/13 en y en o

Clark, D. (April 26, 2012), el plan B, dedicado a Benjamin Bloom: Bloom (1913-1999) one e-learning paper you must read plus his taxonomy of learning.

Clark, D. (April 16, 2013) MOOCs: taxonomy of 8 types of MOOC.

Conole, G. (2013). MOOCs as disruptive technologies: strategies for enhancing the learner experience and quality of MOOCs Revista Campus Virtuales (en prensa). Vol II, No 02.

Cuban L. (2013a). Online Instruction for K-12 (Part 1). Blog Larry Cuban on School Reform and Classroom Practice. Accesible el 09/06/13 en

Cuban L. (2013b). Why K-12 online learning isn’t really revolutionizing teaching. The Answer Sheet, blog de Valerie Strauss.

Crick, R. D., Broadfoot, P., & Claxton, G. (2004). Developing an effective lifelong learning inventory: The ELLI Project. Assessment in Education: Principles, Policy & Practice, 11(3), 247-272.

De Bono, E. (1968). New think: the use of lateral thinking in the generation of new ideas. Basic Books.

De Liddo, A., Sándor, A. and Buckingham Shum, S., (2012, in press) Contested Collective Intelligence: Rationale, Technologies, and a Human-Machine Annotation Study. Computer Supported Cooperative Work,.

Edwards, C.(2011) Embedding reflective thinking on approaches to learning - moving from pilot study to developing institutional good practice. 16th Annual Conference of the Education, Learning Styles, Individual Differences Network

Evers, H-D., (2000a) Working Paper No 335 Culturas Epistemológicas: Hacia una Nueva Sociología del Conocimiento.

Evers, Hans-Dieter, 2000b, "Globalisation, Local Knowledge, and the Growth of Ignorance: The Epistemic Construction of Reality", Southeast Asian Journal of Social Science, 28,1: 13-22.

Ferguson, R. (Jan 2013) Learning analytics: drivers, developments and Challenges. Int. J. Technology Enhanced Learning, Vol. X, No. Y, XXXX Inderscience Enterprises Ltd.

Ferguson, R. and Buckingham Shum, S. (2012). Social Learning Analytics: Five Approaches. Proc. 2nd International Conference on Learning Analytics & Knowledge, (29 Apr-2 May, Vancouver, BC). ACM Press: New York. Eprint:

Fink, L. D. (2003). A Self-Directed Guide to Designing Courses for Significant Learning. Consultado el 31 de mayo de 2013 en

Gee, J. P.(1997) Thinking, learning and reading: the situated sociocultural mind. In: D. Kirshner and J. A. Whitson (Eds.), Situated cognition: social, semiotic and psychological perspectives. Lawrence Erlbaum Associates.

Johnson, L., Adams Becker, S., Cummins, M., Estrada, V., Freeman, A., & Ludgate, H. (2010). The 2010 Horizon Report

Johnson, L., Adams Becker, S., Cummins, M., Estrada, V., Freeman, A., & Ludgate, H. (2011). The 2011 Horizon Report .

Johnson, L., Adams Becker, S., Cummins, M., Estrada, V., Freeman, A., & Ludgate, H. (2012). Informe Horizon. Edición para la enseñanza universitaria 2012

Johnson, L., Adams Becker, S., Cummins, M., Estrada, V., Freeman, A., & Ludgate, H. (2013). NMC Horizon Report: 2013 Higher Education Edition.

Jordan, K. (2013a). Synthesising MOOC completion rates.

Jordan, K. (2013b). MOOC Completion Rates: The Data.

Martin, J. (2013). Complexity and Creativity. Blog Thoughts about Higher Education. Consultado el 31 de mayo de 2013 en

Onrubia, J. (2005, Febrero). Aprender y enseñar en entornos virtuales: actividad conjunta, ayuda pedagógica y construcción del conocimiento. RED. Revista de Educación a Distancia, número monográfico II. Consultado el 31 de mayo de 2013 en

Pólya, George (1945). How to Solve It. Princeton University Press.

Pólya, G. (1989). Como plantear y resolver problemas Ed. Trillas. (Primera edición 1965)

Reigeluth, Charles M. (1998). Scope and Sequence Decisions for Quality Instruction. Printed by The School Restructuring Consortium. School of Education, Room 2276. Indiana University. Bloomington, IN 47405

Reigeluth, C. (2012). Teoría instruccional y tecnología para el nuevo paradigma de la educación. RED, Revista de Educación a Distancia. Número 32. 30 de septiembre de 2012. Consultado el 16/05/13 en

The Open University (2013). Learning to learn: Planning for personal change. Learning to Learn. ;

The Open University (2012). SocialLearn: Now Available to the World.

The Open University (2012). SocialLearn How-To: Backpack.!

Thrun, S. y Norvig, P. (2012). Online Introduction to Artificial Intelligence (based on Stanford CS221, Introduction to Artificial Intelligence). Information for students., N. and Littleton, K., (2007) Dialogue and the Development of Children's Thinking. Routledge, London and New York.

Watters, A. (Diciembre 2012). Top Ed-Tech Trends of 2012: Education Data and Learning Analytics . Blog Hack Education. Leído en el 13/06/13

Wells, G. and Claxton, G. (2002) Sociocultural perspectives on the future of education. In: G. Wells and G. Claxton (Eds.), Learning for Life in the 21st Century. Blackwell, Oxford.

Wertsch, J. V. (1991) Voices of the Mind: A Sociocultural Approach to Mediated Action. Harvester Wheatsheaf.

Wiley, D. (2012). Introduction to Openness in Education. Canvas CN-1333-OPEN. Course Philosophy.

Zapata-Ros, M. (2012a) Las teorías del aprendizaje y el diseño instruccional. El esquema incompleto. Blog Redes abiertas.

Zapata-Ros, M. (2012b) ¿Es el “conectivismo” una teoría? ¿Lo es del aprendizaje? (I) Blog Redes abiertas.

Zapata-Ros, M. (2012c) ¿Es el “conectivismo” una teoría? ¿Lo es del aprendizaje? (II) Blog Redes abiertas.

Zapata-Ros, M. (2012d) ¿Es el “conectivismo” una teoría? ¿Lo es del aprendizaje? (III): Metacognición y elaboración Blog Redes abiertas.

Zapata-Ros, M. (2012e) ¿Es el “conectivismo” una teoría? ¿Lo es del aprendizaje? (y IV) Blog Redes abiertas.

Zapata-Ros, M. (2012f) ¿Conectivismo, conocimiento conectivo, conocimiento conectado… ?: Aprendizaje elaborativo en entornos conectados. Blog Redes abiertas.

Zapata-Ros, M. (2012g) La calidad y los MOOCs (I): La interacción. Blog Redes abiertas.

Zapata-Ros, M. (2012h) La calidad y los MOOCs (II): La investigación y la evaluación de la calidad. Blog Redes abiertas.

Zapata-Ros, M. (2013a). Enseñanza Universitaria en línea, MOOC y aprendizaje divergente. Aula magna 2.0

Zapata-Ros, M. (2013b). Charles Reigeluth: La personalización del aprendizaje y el nuevo paradigma de la educación para la sociedad postindustrial del conocimiento. Capítulo de libro con título por decidir. Editorial Nau Llibres. Preprint en, accedido el 15/06/13.

Zapata-Ros, M. (2013b) MOOCs, una visión crítica. El valor no está en el ejemplar (II) Blog Redes abiertas.

Zapata-Ros, M. (2013c) MOOCs: Negar la evaluación, negar la metodología,...negar al estudiante Blog Redes abiertas.

Zapata-Ros, M. (2013d) MOOCs: Una visión crítica (III): La fundamentación. Blog Redes abiertas.

Zapata-Ros, M. (2013e) Una visión crítica (IV). ¿Sabemos qué son los MOOCs? Blog Redes abiertas.

Zapata-Ros, M. (2013f). MOOCs, una visión crítica y una alternativa complementaria: La individualización del aprendizaje y de la ayuda pedagógica. CAMPUS VIRTUALES; VOL II; 01

Zapata-Ros, M. y Lizenberg, N. (2012) Construyendo la Identidad Digital en el Entorno de Aprendizaje Págs..319 a 331. Calidad y Accesibilidad de la Formación Virtual Luis Bengochea y José Ramón Hilera (Editores). UAH

Actions (login required)

Edit Item Edit Item