Campus virtual, dinámicas sociales  y rendimiento académico en educación superior

Daniel David Martínez Romera; Sara Cortés Dumont

doi:10.51302/tce.2025.21405

Autores/as

Daniel David Martínez Romera Profesor permanente laboral de la Universidad de Málaga (España) https://orcid.org/0000-0003-4895-7955
Sara Cortés Dumont Profesora ayudante doctora de la Universidad de Jaén (España) https://orcid.org/0000-0002-6542-378X

DOI:

https://doi.org/10.51302/tce.2025.21405

Palabras clave:

estadísticas de aprendizaje, minería de datos, comportamiento del estudiante, evaluación, sociometría, ciencias sociales, tecnologías de la información y la comunicación (TIC)

Resumen

Se explora la relación entre el uso del campus virtual a lo largo de un curso académico, el rendimiento observado en los estudiantes (hombre y mujeres) y sus dinámicas individuales y grupales. La investigación se aplica sobre 137 estudiantes en dos asignaturas de educación superior. La metodología para llevarla a cabo es cuantitativa (analíticas de aprendizaje [learning analytics], minería de datos [data mining] y sociometría) y toma como fuentes los metadatos de los campus virtuales (25.308 registros), las calificaciones parciales y totales y los sociogramas de aula. Los datos obtenidos han permitido detectar aspectos relevantes para cada una de las cuestiones abordadas, así como relaciones explícitas entre ellas, en términos de patrones de comportamiento, entre las que destaca la capacidad explicativa de los metadatos para medir la influencia de la sociometría en el rendimiento discente. Esto subraya la utilidad de las tecnologías de la información y la comunicación (TIC), especialmente los campus virtuales presentes en la práctica totalidad de las asignaturas que hoy día se imparten en el ámbito universitario, como instrumento docente y no solo como medio de comunicación. Las evidencias detectadas convergen con estudios realizados en otros ámbitos geográficos y a otras escalas, lo que subraya su pertinencia e invita a profundizar en su exploración académica.

Agencias de apoyo

La presente investigación es consecuencia de las líneas planteadas en el Proyecto de I+D+i de Excelencia EDU2013-41974-P, del Ministerio de Ciencia e Innovación de España, sobre el impacto de las tecnologías educativas, desarrollado por el Grupo de Tecnologías Educativas de la Universidad de Málaga (España).

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Daniel David Martínez Romera, Profesor permanente laboral de la Universidad de Málaga (España)

Con anterioridad ejerció docencia en la Universidad de Cádiz (España) y en la Universidad de Granada (España). Doctor en Geografía por la Universidad de Granada y doctor en Educación por la Universidad de Málaga. Su docencia siempre se ha desarrollado en el Área de la Didáctica de las Ciencias Sociales, donde ha centrado su interés en las cuestiones tecnológicas, metodológicas y de evaluación. Su labor investigadora le ha llevado a participar en diversos proyectos de I+D+i de ámbito nacional junto al Grupo de Tecnologías Educativas de la Universidad de Málaga, así como a difundir sus hallazgos mediante libros, artículos, ponencias y comunicaciones en los principales sellos y foros especializados de su ámbito científico.

Sara Cortés Dumont, Profesora ayudante doctora de la Universidad de Jaén (España)

Con anterioridad ejerció como investigadora en el Instituto de Estadística y Cartografía de Andalucía (España), donde desarrolló su interés por los sistemas de información geográfica en su aplicación a materias como la geografía, buscando posibles sinergias entre las aproximaciones cuantitativas y cualitativas. Su labor investigadora se desarrolla dentro del área de conocimiento de la geografía humana mediante ponencias, conferencias, artículos y aportaciones a congresos nacionales e internacionales de su especialidad. Participa activamente en diversos proyectos I+D+i de excelencia relacionados con la ordenación del territorio, patrimonio y fuentes primaras, siendo estos sus principales ámbitos de interés investigadores.

Citas

Agrawal, R. y Srikant, R. (1994). Fast algorithms for mining association rules in large databases. En J. B. Bocca, M. Jarke y C. Zaniolo (Eds.), 20th International Conference on Very Large Data Bases (pp. 478-499). Morgan Kaufmann Publisers.

Amare, M. Y. y Simonova, S. (2021). Learning analytics for higher education: proposal of big data ingestion architecture. SHS Web of Conferences, 92. https://doi.org/10.1051/shsconf/20219202002

Arruga i Valeri, A. (1992). Introducción al test sociométrico. Herder.

Baek, C. y Doleck, T. (2021). Educational data mining versus learning analytics: a review of publications from 2015 to 2019. Interactive Learning Environments, 31(6), 1-23. https://doi.org/10.1080/10494820.2021.1943689

Bezanilla, J. M. (2011). Sociometría: un método de investigación psicosocial. PEI Editorial.

Carreras Casanovas, A. (2021). El reto de los dispositivos móviles en las aulas universitarias: una respuesta actual al trabajo autónomo y a la evaluación virtual. Tecnología, Ciencia y Educación, 19, 7-52. https://doi.org/10.51302/tce.2021.624

Cha Chi, G. I., Rodríguez Pech, J. y Zaldívar Acosta, M. (2024). La tutoría virtual en la formación de profesionales de la educación durante la pandemia. Tecnología, Ciencia y Educación, 28, 89-114. https://doi.org/10.51302/tce.2024.19293

Chaparro-Peláez, J., Iglesias-Pradas, S. y Pascual-Miguel, F. (2010). Uso del registro de actividad de Moodle para un estudio del rendimiento académico de alumnos en entornos en línea y presencial. 4th International Conference on Industrial Engineering and Industrial Management. XIV Congreso de Ingeniería de Organización (pp. 753-760). Donostia, San Sebastián, 8-10 de septiembre de 2010. https://bit.ly/3z2PZa0

Cuervo Montoya, B. M.ª, Valencia Posada, K. J., Calvo Betancur, V. D. y Torres Valois, T. (2023). Análisis de las percepciones del profesorado sobre la implementación de la e-evaluación en la universidad: resultado de la formación docente. Tecnología, Ciencia y Educación, 26, 37-64. https://doi.org/10.51302/tce.2023.18723

Du, X., Zhang, M., Shelton, B. E. y Hung, J.-L. (2022). Learning anytime, anywhere: a spatio-temporal analysis for online learning. Interactive Learning Environments, 30(1), 34-48. https://doi.org/10.1080/10494820.2019.1633546

Frank, E., A., Hall, M. A. y Witten, I. H. (2016). The WEKA Workbench. Online Appendix for «Data Mining: Practical Machine Learning Tools and Techquines». Morgan Kaufmann.

Frank, E., Hall, M. y Pfahringer, B. (2003). Locally weighted naive bayes. 19th Conference on Uncertainty in Artificial Intelligence (pp. 249-256). https://arxiv.org/abs/1212.2487

García-Peñalvo, F. J. (2021). Digital transformation in the universities: implications of the COVID-19 pandemic. Education in the Knowledge Society, 22, 1-6. https://doi.org/10.14201/eks.25465

Gourlay, L. (2021). There is no «virtual learning»: the materiality of digital education. Journal of New Approaches in Educational Research, 10(1), 57-66.

Gupta, P. y Yadav, S. (2022). A TAM-based study on the ICT usage by the academicians in higher educational institutions of Delhi NCR. En M. Saraswat, H. Sharma, K. Balachandran, J. H. Kim y J. C. Bansal (Eds.), Congress on Intelligent Systems. Lecture Notes on Data Engineering and Communications Technologies (Vol. 111, pp. 329-353). Springer. https://doi.org/10.1007/978-981-16-9113-3_25

Guzmán-Delgado, S. y Pico-Valencia, P. (2024). Marco de trabajo para transformar una universidad tradicional en inteligente desde una perspectiva de aseguramiento de la calidad. Tecnología, Ciencia y Educación, 27, 43-90. https://doi.org/10.51302/tce.2024.9103

Ho, T. K. (1998). The random subspace method for constructing decision forests. IEEE Transactions on Pattern Analysis y Machine Intelligence, 20(8), 832-844. https://doi.org/10.1109/34.709601

Izquierdo Yusta, A., Jiménez Zarco, A. I., González González, I. y Martínez Ruiz, M.ª P. (2018). Determinantes de la experiencia de cliente en e-servicios: el caso de las universidades virtuales. Tecnología, Ciencia y Educación, 9, 11-33. https://doi.org/10.51302/tce.2018.172

Licklider, J. C. R. (1960). Man-Computer Symbiosis. IRE Transactions on Human Factors in Electronics (Vol. HFE-1, pp. 4-11). https://bit.ly/3ATdi8C

Martínez Romera, D. D. y Aguilar Cuesta, Á. I. (2021). Campus virtual y prácticum: una relación productiva para el Máster de Profesorado de Ciencias Sociales. En F. D. Guillén-Gámez, M. Gómez-García, T. Linde-Valenzuela y E. Sánchez-Vega (Coords.), Procesos de enseñanza-aprendizaje innovadores mediados por tecnología (pp. 213-222). Octaedro.

Mendoza-Silva, A. (2021). Innovation capability: a sociometric approach. Social Networks, 64, 72-82. https://doi.org/10.1016/j.socnet.2020.08.004

Namoun, A. y Alshanqiti, A. (2021). Predicting student performance using data mining and learning analytics techniques: a systematic literature review. Applied Sciences, 11(1), 1-28. https://doi.org/10.3390/app11010237

Nicolás-Robles, M.ª J. y Belmonte-Almagro, M.ª L. (2023). Evaluación de las actitudes ante el uso de las TIC en el profesorado universitario. Tecnología, Ciencia y Educación, 25, 29-52. https://doi.org/10.51302/tce.2023.1424

Rivadeneira Pacheco, J. L., Barrera Argüello, M. V. y Hoz Suárez, A. I. de la. (2020). Análisis general del SPSS y su utilidad en la estadística. E-IDEA Journal of Business Sciences, 2(4), 17-25.

Salas-Pilco, S. Z., Yang, Y. y Zhang, Z. (2022). Student engagement in online learning in Latin American higher education during the COVID-19 pandemic: a systematic review. British Journal of Educational Technology, 53(3), 593-619. https://doi.org/10.1111/bjet.13190

Saorín Miralles, S. y Saorín Pérez, T. (2023). Traducción del artículo «Metadata» de la Encyclopedia of Knowledge Organization. Anales de Documentación, 26, 1-20. https://doi.org/10.6018/analesdoc.556681

Scheffer, T. (2001). Finding association rules that trade support optimally against confidence. 5th European Conference on Principles of Data Mining y Knowledge Discovery (pp. 424-435).

Setoh, P., Zhao, S., Santos, R., Heyman, G. D. y Lee, K. (2020). Parenting by lying in childhood is associated with negative developmental outcomes in adulthood. Journal of Experimental Child Psychology, 189. https://doi.org/10.1016/j.jecp.2019.104680

Tibingana-Ahimbisibwe, B., Willis, S., Catherall, S., Butler, F. y Harrison, R. (2022). A systematic review of peer-assisted learning in fully online higher education distance learning programmes. Open Learning: The Journal of Open, Distance and e-Learning, 37(3), 251-272. https://doi.org/10.1080/02680513.2020.1758651

Yunita, A., Santoso, H. B. y Hasibuan, Z. A. (2021). Research review on big data usage for learning analytics y educational data mining: a way forward to develop an intelligent automation system. Journal of Physics: Conference Series, 1.898(1), 1-14. https://doi.org/10.1088/1742-6596/1898/1/012044

Zhang, L., Allen Carter Jr., R. Qian, X., Yang, S., Rujimora, J. y Wen, S. (2022). Academia’s responses to crisis: a bibliometric analysis of literature on online learning in higher education during COVID-19. British Journal of Educational Technology, 53(3), 620-646. https://doi.org/10.1111/bjet.13191

Zheng, F., Khan, N. A. y Hussain, S. (2020). The COVID 19 pandemic y digital higher education: Exploring the impact of proactive personality on social capital through internet self-efficacy y online interaction quality. Children and Youth Services Review, 119. https://doi.org/10.1016/j.childyouth.2020.105694