Apertura

• Inicio
• Acerca de
• Iniciar sesión
• Registrarse
• Buscar
• Actual
• Números anteriores
• Anuncios
• Estadísticas

Inicio > Vol. 17, Núm. 2 (2025) > Rojas Magdaleno

Vol. 17, núm. 2 / octubre 2025 - marzo 2026 / e-ISSN 2007-1094

Revisión sistemática sobre analítica de aprendizaje para detectar problemas en secundaria

Systematic review on learning analytics to detect problems in secondary education

Jorge Rojas-Magdaleno

Gabriel López-Morteo

Resumen

Este estudio presenta una revisión sistemática sobre el uso de tableros de analítica de aprendizaje (LADs) en educación secundaria, con énfasis en la detección temprana de problemas académicos. La investigación se desarrolló mediante la búsqueda, selección y análisis de artículos que abordan la implementación de sistemas de analítica de aprendizaje orientados a este nivel educativo. El trabajo se centra en dos preguntas principales: ¿cómo los tableros de analítica de aprendizaje pueden contribuir a identificar de manera oportuna dificultades en el rendimiento estudiantil? y ¿cómo la facilidad de uso de estas herramientas influye en su adopción y efectividad en contextos escolares? Los resultados muestran que, aunque existen avances significativos, persisten limitaciones en cuanto a la accesibilidad, la validación empírica y la adaptación al contexto específico de la educación secundaria. Asimismo, se identificó que los sistemas con enfoques centrados en el usuario y que consideran la participación activa del profesorado favorecen una mayor apropiación pedagógica. En conclusión, se destaca la necesidad de diseñar herramientas de analítica de aprendizaje que integren dimensiones tecnológicas, pedagógicas y éticas, garantizando su utilidad práctica para docentes y directivos escolares.

Palabras clave

Analítica de aprendizaje; educación; educación secundaria; detección temprana; tableros para docentes

Abstract

This study presents a systematic review of the use of learning analytics dashboards (LADs) in secondary education, focusing on their role in the early detection of academic problems. The research was carried out through the search, selection, and analysis of articles addressing the implementation of learning analytics systems in this educational level. The review was guided by two main research questions: how learning analytics dashboards can contribute to the timely identification of learning difficulties, and how the usability of these tools influences their adoption and effectiveness in school settings. The findings indicate that, despite notable progress, there are still limitations in terms of accessibility, empirical validation, and adaptation to the specific context of secondary education. Additionally, it was identified that systems designed with user-centered approaches and active teacher participation foster greater pedagogical appropriation and usefulness. In conclusion, the study highlights the importance of designing learning analytics tools that integrate technological, pedagogical, and ethical dimensions, ensuring their practical value for teachers and school administrators.

Keywords

Learning analytics; Education; Secondary education; Early detection; Teacher dashboard

---

Recepción del artículo: 30/03/2025 | Aceptación para publicación: 01/07/2025 | Publicación: 30/09/2025
DOI: https://doi.org/10.32870/Ap.v17n2.2698

---

INTRODUCCIÓN

En los últimos años la analítica de aprendizaje (LA) ha cobrado relevancia en el ámbito educativo por su capacidad para generar información que fortalezca la toma de decisiones pedagógicas. Los tableros de analítica (LADs) permiten a docentes y directivos visualizar datos del desempeño estudiantil y anticipar dificultades, facilitando intervenciones oportunas (Nguyen et al., 2018; Verbert et al., 2020. Esta funcionalidad resulta especialmente crítica en secundaria, donde la detección temprana puede incidir en la trayectoria académica del alumnado (Nazaretsky et al., 2022). No obstante, la literatura muestra escasa atención a su integración efectiva y usabilidad en este nivel (Khulbe & Tammets, 2023).

En respuesta a esta brecha, estudios recientes amplían el enfoque de la LA hacia el diseño centrado en el usuario, con principios de explicabilidad, ética y confianza. El método SLADE propone equilibrar automatización y control humano, incorporando la voz docente desde el diseño (Riordan et al., 2024). Ahn et al. (2021) y Nazaretsky et al. (2022) muestran que el co-diseño docente mejora la aceptación y efectividad pedagógica de estas herramientas. Asimismo, Mohseni et al. (2024) advierten que muchas soluciones visuales aún carecen de validación empírica y adaptación contextual, mientras que Khalil et al. (2022) subrayan la débil atención a la privacidad en entornos escolares. Estas contribuciones actualizan el marco teórico y justifican el desarrollo de sistemas adaptados a secundaria.

Este estudio analiza cómo los LADs pueden mejorar la detección temprana de problemas académicos en estudiantes de secundaria y cómo la facilidad de uso influye en el registro de incidencias, con base en principios de diseño humano-céntrico, co-diseño participativo y ética.

 

METODOLOGÍA

Se llevó a cabo una revisión sistemática de literatura siguiendo las metodologías propuestas por Urrea-Contreras et al. (2021) y Ullah et al. (2018), con criterios de inclusión y exclusión orientados a identificar estudios sobre la implementación de sistemas de analítica de aprendizaje en la educación secundaria, especialmente aquellos enfocados en la detección temprana de problemas académicos. La búsqueda se realizó principalmente en la base de datos Scopus, empleando palabras clave específicas y filtros temáticos. Los artículos seleccionados fueron evaluados según su calidad, relevancia y alineación con las preguntas de investigación, mediante un análisis temático y bibliométrico.

Selección de publicaciones

Se aplicaron criterios rigurosos para garantizar que los estudios incluidos respondieran directamente a los objetivos planteados. Se utilizó un conjunto de condiciones de inclusión y exclusión que aseguraron la pertinencia y calidad del material revisado (Ullah et al., 2018).

a) Criterios de inclusión

Se definieron criterios de inclusión para asegurar la pertinencia de los estudios seleccionados en la revisión. La tabla 1 muestra un resumen de estos criterios.

b) Criterios de exclusión

El criterio específico de exclusión que se utilizó para descartar cualquier recurso encontrado se basó en los principios establecidos en la tabla 2.

c) Selección de recursos primarios

Las búsquedas se estructuraron de la siguiente manera:

• Búsqueda 1: se combinaron los términos Knowledge management y learning analytics, excluyendo el término organizacional para enfocarse en el ámbito educativo (56 resultados).
• Búsqueda 2: se usaron los términos learning analytics y educational intervention, con una restricción de publicaciones de los años 2018 a 2024; además, se limitaron los resultados a las áreas temáticas de computación y ciencias sociales, excluyendo el área de medicina y limitando idioma a inglés o español (tres resultados).
• Búsqueda 3: se utilizaron los términos learning analytics y secondary education (2018-2024), filtrando por área (educación, computación y ciencias sociales), tipo de documento (artículos, revisiones, comunicaciones o capítulos) e idioma (49 resultados).
• Búsqueda 4: revisión directa en la revista Apertura con los términos learning analytics y review, obteniendo cinco resultados, de los cuales se seleccionaron cuatro por su relevancia en el contexto latinoamericano y por tratarse de una fuente indexada especializada en educación con enfoque en innovación y uso de tecnologías digitales.
• Búsqueda 5: se exploró la predicción del rendimiento educativo, arrojando dos artículos relevantes.
• Búsqueda 6 (ampliación teórica): además de la revisión sistemática, se incorporaron estudios recientes que fortalecen el marco teórico sobre diseño centrado en el usuario, ética y aplicabilidad en secundaria. Entre estos se incluyen trabajos sobre co-diseño con docentes (Nazaretsky et al., 2022), privacidad y confianza (Ferguson et al., 2021; Khalil et al., 2022) y metodologías como SLADE (Riordan et al., 2024). Esta ampliación permitió identificar vacíos y tendencias en la literatura, enriqueciendo tanto el análisis temático como la discusión crítica del estudio.

En total, se revisaron 119 artículos. La selección final respondió a los criterios metodológicos establecidos, asegurando representatividad, actualidad y pertinencia temática. La selección se guio por la metodología de revisión sistemática descrita por Urrea-Contreras et al. (2021) y Ullah et al. (2018).

Análisis bibliométrico

El análisis bibliométrico evidenció un crecimiento sostenido en la producción científica sobre analítica de aprendizaje en secundaria desde 2020, asociado a nuevas líneas centradas en el diseño humano-céntrico, la ética, la privacidad y el co-diseño docente. Estas temáticas, cada vez más visibles en conferencias y revistas especializadas, se reflejan en estudios recientes que abordan directamente el contexto de la educación básica y media (Ferguson et al., 2021; Nazaretsky et al., 2022; Riordan et al., 2024; Mohseni et al., 2024) (ver tabla 3 y gráfica 1).

Desde 2010, la producción de artículos ha crecido de forma sostenida, con un repunte notable entre 2020 y 2024, lo que refleja el auge y actualidad del tema investigado (ver tabla 4).

Son pocos los autores, como Laanpere y Hoppe, que destacan por su recurrencia, lo que revela la presencia de líderes en el área y una tendencia colaborativa e interdisciplinaria. El aumento sostenido en publicaciones desde 2018 y la relevancia de las conferencias reflejan el dinamismo del campo y la concentración de producción en núcleos clave de investigación.

Análisis temático

El análisis temático permitió identificar los principales enfoques conceptuales abordados en la literatura seleccionada, así como su evolución temporal y su vinculación con eventos científicos relevantes. La frecuencia de palabras clave se presenta en la tabla 5, donde se observa una alta concentración en términos como learning analytics, educational data mining, secondary education y students, lo que refleja el interés creciente por aplicar estos enfoques en niveles escolares obligatorios.

El análisis confirma que la analítica de aprendizaje aplicada a secundaria es el eje dominante, junto a temas emergentes como ética, privacidad y usabilidad. La incorporación de estudios recientes (Ferguson et al., 2021; Nazaretsky et al., 2022; Riordan et al., 2024; Mohseni et al., 2024) amplió la cobertura hacia enfoques de co-diseño, diseño humano-céntrico y explicabilidad.

d) Evaluación de la calidad de las publicaciones

La revisión detallada de resúmenes y artículos completos permitió identificar 25 estudios que cumplían con los criterios de relevancia temática, diversidad metodológica y pertinencia para las preguntas de investigación planteadas.

Entre ellos, se destacan trabajos que:

• Proponen marcos orientados a la ética, privacidad y participación docente (Ferguson et al., 2021; Riordan et al., 2024).
• Presentan experiencias de implementación o validación en escuelas reales (Nazaretsky et al., 2022; Mohseni et al., 2024).
• Exploran la relación entre facilidad de uso y efectividad pedagógica.

Esto permitió identificar artículos que contribuyen de forma directa a las siguientes preguntas de investigación:

• RQ1: ¿Cómo los sistemas de LA mejoran la detección oportuna en secundaria?
• RQ2: ¿Cómo la facilidad de uso influye en el registro e identificación de incidencias?

Para cada artículo se consideraron los siguientes criterios (ver tabla 6):

Como resultado del proceso, se seleccionaron 25 artículos como fuentes primarias (PS), todos ellos relacionados con al menos una de las preguntas de investigación. De estos, 18 respondían directamente a la RQ1, diez a la RQ2 y cinco cumplían con ambas (ver tabla 7).

Estrategia de extracción de datos

a) Datos de los estudios primarios

Para organizar la literatura, se utilizaron Scopus y Zotero. Scopus facilitó la identificación de artículos conforme a los criterios establecidos, mientras que Zotero permitió importar las citas en formato BibTeX y gestionar los metadatos. Estos se exportaron a una hoja de cálculo con información clave: tipo de publicación, año, autores, título, fuente, DOI, resumen y palabras clave. Esta organización estructurada permitió un seguimiento eficiente durante el análisis.

Adicionalmente, se integraron estudios identificados mediante revisión cruzada en las bases de datos de la conferencia LAK, enfocados en el diseño centrado en el usuario, ética y co-diseño con docentes (Ferguson et al., 2021; Nazaretsky et al., 2022; Riordan et al., 2024; Mohseni et al., 2024).

b) Proceso de extracción de datos

De cada artículo se extrajeron datos como fecha de revisión, autores, metodología, nivel educativo, técnicas utilizadas, soluciones propuestas y vinculación con las preguntas de investigación. El autor principal realizó la codificación inicial y un segundo revisor validó una muestra aleatoria para garantizar la fiabilidad del proceso. La incorporación de artículos recientes enriqueció las categorías analizadas y favoreció la comparación entre enfoques.

c) Almacenamiento de datos

Los metadatos y resultados del análisis se almacenaron mediante Zotero y se respaldaron en un repositorio privado de Google Drive, con controles básicos de acceso. Se emplearon plantillas estructuradas en Excel para sistematizar la información y facilitar su análisis temático y bibliométrico.

Síntesis de datos

La síntesis se fundamentó en dos marcos metodológicos: la Perspectiva 1 (Urrea-Contreras et al., 2021), basada en diez criterios de calidad (ver tabla 8); y la Perspectiva 2 (Ullah et al., 2018), orientada a la alineación con las preguntas de investigación. La integración de estudios recientes permitió reforzar aspectos como ética, co-diseño y aplicabilidad contextual en secundaria.

La evaluación de los 25 estudios primarios mostró puntuaciones de 9 o 10 puntos, con fortalezas destacadas en los criterios de objetivos, contexto, diseño y hallazgos, y mejoras en la consideración de explicaciones alternativas gracias a las publicaciones más recientes (ver tabla 9).

La Perspectiva 2 aplicó un análisis de contenido orientado a las preguntas RQ1 y RQ2, considerando cuatro criterios adaptados a este estudio (ver tabla 10).

Solo cinco estudios cumplieron completamente con los criterios, mientras que el resto mostró cumplimiento parcial o nulo, evidenciando la necesidad de más investigaciones centradas en secundaria. La evaluación se clasificó en tres niveles: Sí (sí cumple), PAR (cumple parcialmente) y No (no cumple). La tabla 11 presentan los resultados obtenidos.

Se seleccionaron 25 estudios primarios (ver tabla 12) de un total de 119, conforme a marcos de calidad y su pertinencia con las preguntas de investigación. La muestra incluye estudios recientes que abordan ética, validación contextual y co-diseño docente (Ferguson et al., 2021; Nazaretsky et al., 2022; Riordan et al., 2024).

 

DISCUSIÓN

El análisis bibliométrico muestra un crecimiento sostenido en publicaciones sobre analítica de aprendizaje desde 2020, impulsado por tecnologías emergentes como la inteligencia artificial. No obstante, su aplicación en secundaria sigue siendo limitada, lo que evidencia una brecha en la literatura. El predominio de artículos en conferencias (86 publicaciones) confirma que las innovaciones en el campo se difunden inicialmente en estos foros, consolidándose luego en revistas como el British Journal of Educational Technology o eventos como LAK y ACM ICER, que se han convertido en núcleos de referencia para el avance del área.

El análisis temático mostró que, aunque conceptos como students y secondary education han ganado presencia, siguen siendo secundarios frente a enfoques centrados en higher education y predictive analytics. Esto subraya la urgencia de producir conocimiento empírico más aplicable al nivel básico, con atención a los desafíos propios del entorno escolar.

Los hallazgos de esta revisión sugieren que, si bien existen propuestas de valor, su generalización en secundaria es limitada. Tal como advierten Ahn et al. (2021) y Ferguson et al. (2021), la adopción de sistemas de LA en K-12 depende de factores como la privacidad, la transparencia y el co-diseño con docentes. En esta línea, estudios como los de Nazaretsky et al. (2022) y Riordan et al. (2024) ofrecen marcos y metodologías que permiten diseñar soluciones adaptadas, confiables y pedagógicamente significativas.

Khalil et al. (2022) destacan la falta de marcos éticos robustos, mientras que Mohseni et al. (2024) identifican limitaciones en la validación de herramientas visuales para secundaria. Por su parte, Brooker y Fernandez exploran narrativas visuales como estrategias para superar la barrera interpretativa de dashboards complejos. Estas aproximaciones coinciden en que la efectividad de las herramientas depende de su contextualización, explicabilidad y facilidad de uso.

Metodológicamente, esta revisión se apoyó en los marcos de Urrea-Contreras et al. (2021) y Ullah et al. (2018). La Perspectiva 1 permitió evaluar la calidad formal de los estudios, mientras que la Perspectiva 2 facilitó el análisis de su pertinencia temática. Se identificó que muchos artículos cumplen parcialmente con las preguntas de investigación, siendo escasos los que abordan de manera integral los retos específicos de la educación secundaria.

La inclusión de estudios recientes (Ahn et al., 2021; Nazaretsky et al., 2022; Riordan et al., 2024) aportó evidencia actualizada y fundamentación conceptual para enriquecer la revisión. Como muestra la tabla 13, estos trabajos permiten identificar enfoques viables para mejorar la detección de problemas de aprendizaje y facilitar el uso de sistemas por parte de docentes de secundaria.

En conjunto, la discusión evidencia que, si bien el campo está en expansión, aún se requiere avanzar hacia sistemas empíricamente validados, diseñados desde el aula y con principios éticos claros. La carencia de estudios centrados en secundaria no solo representa una limitación, sino una oportunidad estratégica para futuras investigaciones que articulen tecnología, pedagogía y participación docente.

 

CONCLUSIONES

Este estudio confirma el creciente interés de la comunidad académica en la analítica de aprendizaje desde 2020, particularmente en el uso de tecnologías como la inteligencia artificial para mejorar la personalización del aprendizaje y la toma de decisiones pedagógicas. Sin embargo, la mayoría de los desarrollos se enfocan en educación superior, evidenciando una brecha en su aplicación a la educación secundaria.

Respecto a la primera pregunta de investigación (RQ1), los resultados indican que los sistemas de LA tienen potencial para apoyar la detección temprana de problemas académicos, aunque su adopción en secundaria aún es limitada. En relación con la RQ2, se valora la facilidad de uso como un factor clave para la apropiación docente, pero persiste la necesidad de estudios empíricos en contextos escolares reales.

La incorporación de literatura reciente (Ahn et al., 2021; Nazaretsky et al., 2022; Riordan et al., 2024) permitió fortalecer el marco teórico y señalar tendencias emergentes como el co-diseño, el diseño centrado en el docente y las estrategias de visualización narrativa (Fernandez et al., 2022). Estas líneas sugieren que el diseño ético y contextualizado de dashboards es esencial para garantizar su utilidad pedagógica.

Se recomienda que futuras investigaciones desarrollen y validen herramientas específicas para secundaria, integrando principios de explicabilidad, ética y participación docente, con énfasis en la evaluación de impacto en el aula. De esta manera, será posible avanzar hacia soluciones sostenibles y significativas para la mejora del aprendizaje en este nivel educativo.

 

AGRADECIMIENTOS

Agradezco al Dr. Gabriel López Morteo por su valiosa asesoría durante la redacción de este artículo. Su orientación fue clave para delimitar la problemática y proponer futuras líneas de investigación.

 

REFERENCIAS

Ahn, J., Campos, F., Nguyen, H., Hays, M. & Morrison, J. (2021). Co-designing for privacy, transparency, and trust in K-12 learning analytics. LAK21: Proceedings of the 11th International Learning Analytics and Knowledge Conference, 55-65. https://doi.org/10.1145/3448139.3448145

Alam, M. I., Malone, L., Nadolny, L., Brown, M., & Cervato, C. (2023). Investigating the impact of a gamified learning analytics dashboard: Student experiences and academic achievement. Journal of Computer Assisted Learning, 39(5), 1436-1449. Scopus. https://doi.org/10.1111/jcal.12853

Bayer, V., Mulholland, P., Hlosta, M., Farrell, T., Herodotou, C. & Fernandez, M. (2024). Co-creating an equality diversity and inclusion learning analytics dashboard for addressing awarding gaps in higher education. British Journal of Educational Technology, 55(5), 2058-2074. https://doi.org/10.1111/bjet.13509

Bhatt, P. & Muduli, A. (2023). Artificial intelligence in learning and development: A systematic literature review. European Journal of Training and Development, 47(7-8), 677-694. https://doi.org/10.1108/EJTD-09-2021-0143

Bin, L. (2023). Cognitive Web Service-Based Learning Analytics in Education Systems Using Big Data Analytics. International Journal of e-Collaboration, 19(2). https://doi.org/10.4018/IJeC.316658

Civit, M., Escalona, M. J., Cuadrado, F. & Reyes-de-Cozar, S. (2024). Class integration of ChatGPT and learning analytics for higher education. Expert Systems, 41(12), e13703. https://doi.org/10.1111/exsy.13703

Fernandez, G. M., Kitto, K., Buckingham Shum, S. & Martinez-Maldonado, R. (2022). Beyond the learning analytics dashboard: Alternative ways to communicate student data insights combining visualisation, narrative and storytelling. LAK22: Proceedings of the 12th International Learning Analytics and Knowledge Conference, 219-229. https://doi.org/10.1145/3506860.3506895

Henríquez, V., Guerra, J. & Scheihing, E. (2024). The impact of an academic counselling learning analytics tool: Evidence from 3 years of use. British Journal of Educational Technology, 55(5), 1884-1899. https://doi.org/10.1111/bjet.13474

Hernández-García, A. & Conde, M. A. (2014). Dealing with complexity: Educational data and tools for learning analytics. TEEM '14: Proceedings of the Second International Conference on Technological Ecosystems for Enhancing Multiculturality. 263-268. https://doi.org/10.1145/2669711.2669909

Hugerth, M. W., Nouri, J. & Åkerfeldt, A. (2023). “I Should, but I Don't Feel Like It”: Overcoming Obstacles in Upper Secondary Students' Self-regulation Using Learning Analytics. Studia Paedagogica, 28(3), 89-111. https://doi.org/10.5817/sp2023-3-4

Khalil, M., Prinsloo, P. & Slade, S. (2022). A comparison of learning analytics frameworks: A systematic review. LAK22: Proceedings of the 12th International Learning Analytics and Knowledge Conference, 152-163. https://doi.org/10.1145/3506860.3506878

Karademir, O., Di Mitri, D., Schneider, J., Jivet, I., Allmang, J., Gombert, S., Kubsch, M., Neumann, K. & Drachsler, H. (2024). I don’t have time! But keep me in the loop: Co-designing requirements for a learning analytics cockpit with teachers. Journal of Computer Assisted Learning, 40(6), 2681-2699. https://doi.org/10.1111/jcal.12997

Khulbe, M. & Tammets, K. (2023). Mediating Teacher Professional Learning with a Learning Analytics Dashboard and Training Intervention. Technology, Knowledge and Learning, 28(3), 981-998. https://doi.org/10.1007/s10758-023-09642-0

Lewis, S., McGill, T., Lim, L.-A. & Godwin, R. (2024). The Role of Technology-Mediated Feedback Pre-and Post COVID-19: A Case Study of First-Year Communication Students. Journal of University Teaching and Learning Practice, 21(1). https://doi.org/10.53761/qrbshh97

Ma, Y., Katuka, G. A., Celepkolu, M. & Boyer, K. E. (2022). Investigating Multimodal Predictors of Peer Satisfaction for Collaborative Coding in Middle School. Proceedings of the 15th International Conference on Educational Data Mining, EDM 2022. https://doi.org/10.5281/zenodo.6853010

Martens, M., De Wolf, R. & De Marez, L. (2024). Datafication and algorithmization of education: How do parents and students evaluate the appropriateness of learning analytics? Education and Information Technologies, 29(7), 8151-8177. https://doi.org/10.1007/s10639-023-12124-6

Mohseni, Z. A., Masiello, I., Martins, R. M. & Nordmark, S. (2024). Visual Learning Analytics for Educational Interventions in Primary and Secondary Schools: A Scoping Review. Journal of Learning Analytics, 11(2), 91-111. https://doi.org/10.18608/jla.2024.8309

Mohseni, Z., Masiello, I. & Martins, R. M. (2023). Co-Developing an Easy-to-Use Learning Analytics Dashboard for Teachers in Primary/Secondary Education: A Human-Centered Design Approach. Education Sciences, 13(12). https://doi.org/10.3390/educsci13121190

Nazaretsky, T., Bar, C., Walter, M. & Alexandron, G. (2022). Empowering teachers with AI: Co-designing a learning analytics tool for personalized instruction in the science classroom. LAK22: Proceedings of the 12th International Learning Analytics and Knowledge Conference, 1-12. https://doi.org/10.1145/3506860.3506861

Nguyen, A., Gardner, L. & Sheridan, D. (2018). Building an ontology of learning analytics. Proceedings of the 22nd Pacific Asia Conference on Information Systems - Opportunities and Challenges for the Digitized Society: Are We Ready?, PACIS 2018. https://www.scopus.com/inward/record.uri?eid=2-s2.0-85086077627&partnerID=40&md5=b6c98ba08fb5717c44dae31a45fa91e0

Paulsen, L. & Lindsay, E. (2024). Learning analytics dashboards are increasingly becoming about learning and not just analytics - A systematic review. Education and Information Technologies, 29(11), 14279-14308. https://doi.org/10.1007/s10639-023-12401-4

Pereira, F. D., Fonseca, S. C., Oliveira, E. H. T., Cristea, A. I., Bellhäuser, H., Rodrigues, L., Oliveira, D. B. F., Isotani, S. & Carvalho, L. S. G. (2021). Explaining Individual and Collective Programming Students’ Behavior by Interpreting a Black-Box Predictive Model. IEEE Access, 9, 117097-117119. https://doi.org/10.1109/ACCESS.2021.3105956

Possaghi, I. (2023). Designing Emerging Technology-Supported Learning Activities Based on the DT Approach for K-12 Users. IDC '23: Proceedings of the 22nd Annual ACM Interaction Design and Children Conference. 769-772. https://doi.org/10.1145/3585088.3593926

Riordan, A., Echeverria, V., Jin, Y., Swiecki, Z., Gašević, D. & Martinez-Maldonado, R. (2024). SLADE: A method for designing human-centred learning analytics systems. LAK24: Proceedings of the 14th Learning Analytics and Knowledge Conference, 24-34. https://doi.org/10.1145/3636555.3636847

Sun, D., Ouyang, F., Li, Y., Zhu, C., & Zhou, Y. (2024). Using multimodal learning analytics to understand effects of block-based and text-based modalities on computer programming. Journal of Computer Assisted Learning, 40(3), 1123-1136. Scopus. https://doi.org/10.1111/jcal.12939

Ullah Khan, S., Khan Bangash, S. A. & Ullah Khan, K. (2018). Learning analytics in the era of big data: A systematic literature review protocol. 2017 International Symposium on Wireless Systems and Networks (ISWSN). https://doi.org/10.1109/ISWSN.2017.8250033

Urrea-Contreras, S. J., Flores-Rios, B. L., Astorga-Vargas, M. A. & Ibarra-Esquer, J. E. (2021). Process Mining Perspectives in Software Engineering: A Systematic Literature Review. 2021 Mexican International Conference on Computer Science (ENC), 1-8. https://doi.org/10.1109/ENC53357.2021.9534824

Verbert, K., Ochoa, X., De Croon, R., Dourado, R. A., & De Laet, T. (2020). Learning analytics dashboards: The past, the present and the future. Proceedings of the Tenth International Conference on Learning Analytics & Knowledge, 35-40. https://doi.org/10.1145/3375462.3375504

Villagrán, I., Hernández, R., Schuit, G., Neyem, A., Fuentes, J., Larrondo, L., Margozzini, E., Hurtado, M. T., Iriarte, Z., Miranda, C., Varas, J. & Hilliger, I. (2024). Enhancing Feedback Uptake and Self-Regulated Learning in Procedural Skills Training: Design and Evaluation of a Learning Analytics Dashboard. Journal of Learning Analytics, 11(2), 138-156. https://doi.org/10.18608/jla.2024.8195

Wiley, K., Dimitriadis, Y. & Linn, M. (2024). A human-centred learning analytics approach for developing contextually scalable K-12 teacher dashboards. British Journal of Educational Technology, 55(3), 845-885. https://doi.org/10.1111/bjet.13383

_________________________________

Acerca de los autores

Jorge Rojas-Magdaleno
Doctorante en Sistemas Computacionales por la Universidad Davinci de México. Profesor del Instituto Tecnológico de Estudios Superiores de Zamora, Michoacán, México. ORCID: https://orcid.org/0009-0004-6728-077X, correo electrónico: jorge.rm@zamora.tecnm.mx

Gabriel López-Morteo
Doctor en Ciencias de la Computación por el Centro de Investigación Científica y de Educación Superior de Ensenada, México. Profesor investigador del Instituto de Ingeniería de la Universidad Autónoma de Baja California, Baja California, México. ORCID: https://orcid.org/0000-0001-8941-6579, correo electrónico: galopez@uabc.edu.mx

_________________________________

Este artículo es de acceso abierto. Los usuarios pueden leer, descargar, distribuir, imprimir y enlazar al texto completo, siempre y cuando sea sin fines de lucro y se cite la fuente.

CÓMO CITAR ESTE ARTÍCULO:

Rojas-Magdaleno, J. y López-Morteo, G. (2025). Revisión sistemática sobre analítica de aprendizaje para detectar problemas en secundaria. Apertura, 17(2), 70-83. http://doi.org/10.32870/Ap.v17n2.2698

_________________________________

Métricas de artículo

_{Metrics powered by PLOS ALM}

Enlaces refback

• No hay ningún enlace refback.