Machine Translated by Google

Capítulo 13: Implementación de análisis de aprendizaje

Diseño
Alyssa Friend Wise, Jovita Vytasek

Red de Investigación de Análisis de Aprendizaje, Universidad de Nueva York, EE. UU.

Facultad de Educación, Universidad Simon Fraser, Canadá

DOI: 10.18608/hla17.013

RESUMEN

Este capítulo aborda el diseño de implementaciones de analíticas de aprendizaje: la configuración intencional de los
procesos humanos involucrados en la adopción y el uso de herramientas, datos e informes analíticos como parte de un
esfuerzo educativo. Este es un conjunto distinto pero igualmente importante de opciones de diseño de las realizadas en la
creación de los propios sistemas de análisis de aprendizaje. La primera parte del capítulo revisa los desafíos clave de
interpretación y acción en el uso analítico. Los tres principios de coordinación, comparación y personalización se presentan
luego como guías para pensar en el diseño de implementaciones de análisis de aprendizaje.

El resto del capítulo revisa la investigación existente y la base teórica del diseño de implementación
de análisis de aprendizaje para instructores (relacionados con las prácticas de diseño y orquestación
de aprendizaje) y estudiantes (como parte de un ciclo de aprendizaje reflexivo y autorregulado).
Se destacan las implicaciones para los diseñadores e investigadores de análisis de aprendizaje y las áreas que requieren
más investigación.

Palabras clave: diseño de aprendizaje, implementación de analíticas, desafíos de implementación de analíticas de

aprendizaje, analíticas de aprendizaje orientadas a los profesores, analíticas de aprendizaje orientadas a los estudiantes

Gran parte del trabajo de los investigadores y diseñadores de análisis DEFINICIÓN DE ANÁLISIS DE APRENDIZAJE
de aprendizaje gira en torno a los desafíos de cómo extraer, procesar y
IMPLEMENTACIONES
presentar datos de manera que sean útiles para varias partes interesadas
en la educación. Sin embargo, una vez que se han creado las medidas
y se han diseñado las pantallas, aún se requiere trabajo adicional para Este capítulo se centra en los elementos que dan forma a cómo los

que el análisis desempeñe un papel constructivo en los sistemas instructores, los diseñadores de aprendizaje y los estudiantes motivan y

educativos. El diseño del sistema por sí solo no garantiza una aceptación movilizan las analíticas de aprendizaje para su uso productivo. El acto

exitosa (Ertmer, 1999; Hall, 2010; Donnelly, McGarr y O'Reilly, 2011) ya de introducir análisis de aprendizaje en un entorno educativo se

que “la analítica existe como parte de un sistema sociotécnico donde la denomina implementación de análisis de aprendizaje. Si bien el término

toma de decisiones humanas y las acciones consiguientes son tanto un " intervención de análisis de aprendizaje" también se ha utilizado en el

parte de cualquier solución analítica exitosa como los componentes pasado (Lonn, Aguilar y Teasley, 2015; Wise, 2014), es una etiqueta

técnicos” (van Harme len & Workman, 2012, p. 4). Por lo tanto, los más limitada que implica el uso de análisis de aprendizaje como una

investigadores y profesionales de las analíticas de aprendizaje deben interrupción de las prácticas regulares de aprendizaje que ocurren en un

prestar atención a la actividad humana de trabajar con estas herramientas momento específico para abordar un problema. Se prefiere la

y desarrollar una base de conocimientos para el diseño de implementación como un término más general que también incluye el

implementaciones de analíticas de aprendizaje (consulte la Figura 13.1). uso continuo de análisis de aprendizaje como una actividad sostenida
incorporada a las prácticas habituales de aprendizaje (Wise, Vytasek,
Hausknecht y Zhao, 2016).

El diseño de la implementación del análisis de aprendizaje se define

globalmente como el marco intencionado de la actividad en torno a
cómo se utilizan las herramientas, los datos y los informes analíticos.

CAPÍTULO 13 DISEÑO DE IMPLEMENTACIÓN DE ANALÍTICA DE APRENDIZAJE PÁG. 151

Machine Translated by Google

Figura 13.1. Diferenciación visual de a) un sistema de análisis de aprendizaje (producto) yb) uso intencional del sistema por parte de
instructores y estudiantes (proceso). El diseño del primero aborda cuestiones de medidas, algoritmos y pantallas, mientras que el diseño
del segundo aborda cuestiones de tiempo, lente interpretativa y parámetros de acción. Fuente: Fotografía en b) del Departamento de
Educación de EE. UU. con licencia Creative Commons Attribution 2.0 License. Recortado del original (www.flickr.com/photos/departmen
tofed/9610345404)

tomado y utilizado como parte de un esfuerzo educativo.
Específicamente, aborda preguntas sobre quién debe tener
acceso a tipos particulares de datos analíticos, cuándo se deben
consultar los análisis, con qué fines y cómo los análisis
retroalimentan los procesos educativos más amplios que tienen
lugar.
USO DEL DISEÑO DE IMPLEMENTACIÓN
PARA ABORDAR LA ANALÍTICA DEL APRENDIZAJE
RETOS
El proceso de uso de las analíticas de aprendizaje implica dar
sentido a la información presentada y actuar en función de ella
(Siemens, 2013; Clow, 2012). Si bien los análisis a menudo se
desarrollan para uso general en una amplia gama de situaciones,
la respuesta a las preguntas sobre el significado y la acción son
inherentemente locales. En consecuencia, el diseño de
implementaciones de análisis de aprendizaje debe ser más
sensible al contexto de aprendizaje inmediato que el diseño de
herramientas de análisis de aprendizaje. Esto se ve en varios
desafíos bien documentados en el uso de análisis para informar
la toma de decisiones educativas en el nivel de interpretación , así
como en las etapas posteriores de la adopción de medidas (Wise
& Vytasek, en preparación; Wise et al., 2016).
información que sugiere interpretaciones divergentes que deben
conciliarse (Wise, 2014).
En la etapa de tomar acción, dos preocupaciones
importantes son las posibles opciones y la promulgación del cambio.
El desafío de las posibles opciones se refiere al hecho de que los
análisis brindan una lente retrospectiva para evaluar la actividad
pasada, pero esto no siempre indica directamente qué acciones
se podrían tomar en el futuro para cambiar la situación. El desafío
de promulgar el cambio se refiere a la cuestión de cómo y en qué
línea de tiempo deben ocurrir estas acciones (una vez
identificadas). El cambio no ocurre instantáneamente: es necesario
considerar la mejora incremental y las etapas intermedias de
progreso.
El diseño de la implementación ayuda a abordar estos
desafíos al brindar orientación en el nivel de mediación
entre los análisis presentados y el contexto del curso
localizado . Esto proporciona el apoyo adicional necesario
para que la información sea procesable y permite adaptar
el uso de análisis para satisfacer las necesidades de
contextos de aprendizaje particulares.
DISEÑO DE IMPLEMENTACIÓN
CONSIDERACIONES

Las implementaciones de análisis de aprendizaje operan

A nivel de interpretación, dos desafíos importantes son los del
contexto y las prioridades. El desafío del contexto se refiere al
hecho de que los análisis son representaciones inherentemente
abstractas de actividades pasadas. Interpretar estas
representaciones para informar la actividad futura requiere una
comprensión de los propósitos y procesos de la actividad de
aprendizaje en la que se generaron y un medio por el cual conectar
los análisis a estos (Lockyer, Heathcote y Dawson, 2013; Ferguson,
2012). El desafío de las prioridades se refiere a cómo los usuarios
asignan un valor relativo a la variedad de comentarios analíticos
disponibles. Los aspectos particulares de la retroalimentación
analítica pueden ser más o menos importantes en diferentes
puntos del proceso de aprendizaje y diferentes análisis pueden
proporcionar
en la interfaz entre las actividades de aprendizaje (los
eventos pedagógicos que generan datos) y los análisis de
aprendizaje (las representaciones diseñadas de estos datos).
Esta relación se puede considerar a través de tres principios
rectores: Coordinación, Comparación y Personalización (Wise &
Vytasek, en preparación) fundamentados en teorías del
constructivismo, la metacognición y el aprendizaje autorregulado
(Duffy & Cunningham, 1996; Schunk & Zimmerman, 2012). ).
El principio de coordinación
El principio de coordinación es la base del diseño de
implementación de análisis de aprendizaje, y establece
que el marco circundante de actividad a través del cual

PG 152 MANUAL DE ANALÍTICA DEL APRENDIZAJE

Machine Translated by Google
Las herramientas analíticas, los datos y los informes que se toman
deben posicionar el uso de la analítica como una parte integral de
la experiencia educativa vinculada a las metas y expectativas
(Wise, 2014). Para estar coordinado con la actividad de aprendizaje,
el uso de las analíticas de aprendizaje debe concebirse como un
elemento central del propio diseño de aprendizaje (Lockyer et al.,
2013; Pardo, Ellis, & Calvo, 2015; Persico & Pozzi, 2015 ) para que
quede claro para el usuario cómo se supone que los análisis juegan
un papel en su participación regular en el proceso de aprendizaje.
Coordinación conceptual significa una consideración avanzada
sobre cuál de los análisis disponibles enfocar (basado en los
objetivos de la actividad educativa) y qué patrones productivos e
improductivos en estas métricas se espera que parezcan (Brooks,
Greer, & Gutwin, 2014; Macfadyen & Dawson, 2010; Persico &
Pozzi, 2015). Para representar el aliento de las acciones valoradas
durante una actividad de aprendizaje, es recomendable utilizar
diversas medidas analíticas (Suthers & Rosen, 2011; Winne &
Baker, 2013). Es importante comunicar claramente la lógica de
esta conexión vinculando los objetivos pedagógicos con las
acciones de aprendizaje y la retroalimentación basada en datos a
los usuarios de análisis (Wise, 2014) ya que la evidencia inicial
sugiere que le dan más valor a las métricas cuando entienden
claramente la conexión con el aprendizaje ( Wise, Zhao y
Hausknecht, 2014).
Coordinación logística significa prestar atención a cuándo y cómo
tiene sentido que los usuarios trabajen con los análisis elegidos
como parte de la actividad de enseñanza o aprendizaje . Con
usuarios de análisis de aprendizaje experimentados o aquellos con
fuertes habilidades de autocontrol, puede estar bien proporcionar
solo coordinación conceptual y dejar espacio para decisiones
individuales sobre cuándo consultar los análisis (van Leeuwen,
2015). Sin embargo, en muchos casos, es necesaria una guía
explícita sobre cuándo y cómo trabajar con la analítica como
herramienta para apoyar el aprendizaje o la enseñanza (Koh,
Shibani, Tan y Hong, 2016). Las estrategias generales incluyen
sugerir un ritmo de uso de análisis (Wise, Zhao y Hausknecht,
2013) o una escala de tiempo para los puntos de control (Lockyer
et al., 2013); los enfoques específicos para el uso de instructores y
estudiantes se analizan en las secciones 5 y 6.
El principio de comparación
El principio de Comparación aborda la necesidad de uno o más
marcos de referencia apropiados con los que evaluar el significado
de una analítica. Por ejemplo, la interpretación de un estudiante
que recibe una evaluación de conocimientos particular (digamos
"25") varía según el puntaje más alto posible, el desempeño del
resto de la clase y el nivel de su logro anterior.
Los marcos de referencia absolutos para el análisis del aprendizaje
proporcionan un estándar fijo para la comparación que se ha
establecido de antemano; por ejemplo, un conjunto de expectativas
del curso (Wise, Zhao y Hausknecht, 2014). referencia absoluta
CAPÍTULO 13 DISEÑO DE IMPLEMENTACIÓN DE ANALÍTICA DE APRENDIZAJE PÁG. 153
los marcos pueden variar en la especificidad del conjunto estándar
al proporcionar un objetivo exacto para una métrica o un rango de
valores deseables.
Los marcos de referencia relativos proporcionan un estándar
variable que fluctúa con el tiempo. Un marco de referencia relativo
es la actividad de los compañeros. Este marco de referencia de
uso común establece comparaciones entre individuos basadas en
una medida de tendencia central o distribución (Corrin & de Barba,
2015; Govaerts, Verbert, Duval, & Pardo, 2012). Otro marco de
referencia relativo es la actividad paralela, en la que se realizan
comparaciones entre eventos de aprendizaje dentro de un curso o
entre cursos (Bakharia et al., 2016). En este caso, es fundamental
que las actividades que se comparan sean paralelas en aspectos
clave (p. ej., duración, intención, expectativas); de lo contrario, las
comparaciones realizadas pueden dar lugar a inferencias no
válidas. Finalmente, un marco de referencia menos utilizado pero
poderoso es la actividad previa, en la que se realizan comparaciones
para los mismos individuos a lo largo del tiempo, lo que permite el
seguimiento del progreso y el cambio (Wise, Zhao y Hausknecht,
2014).
El principio de la personalización
El principio de personalización surge del reconocimiento de
que existen necesidades y caminos múltiples, dispares e
igualmente válidos (y puntos finales potenciales) para diferentes
usuarios de análisis de aprendizaje. La personalización de las
analíticas de aprendizaje para satisfacer estas diferentes
necesidades se puede considerar de dos maneras. El primer
enfoque se basa en la computación y se puede considerar
como análisis de aprendizaje adaptativo (cf. Brusilovsky &
Peylo, 2003). Como esto se relaciona con el diseño del sistema
de análisis de aprendizaje en lugar de la implementación de
análisis de aprendizaje, no se trata más aquí. Un segundo
enfoque de la personalización está dirigido por el usuario y
puede considerarse como un análisis de aprendizaje adaptable (cf. Brooks et al.,
En este caso, la interfaz de análisis permite diferentes tipos de
usos por parte de diferentes personas que determinan por sí
mismos qué análisis atenderán y de qué manera. Sin embargo,
existe el peligro de que los usuarios se vean abrumados por la
multitud de opciones posibles sin una base clara sobre la cual
elegir. Por lo tanto , el diseño de la implementación debe respaldar
activamente a la agencia usuaria al guiarlos en el proceso de toma
de decisiones efectivas sobre cómo utilizar los análisis de
aprendizaje proporcionados para satisfacer sus propias necesidades
y contexto.
IMPLICACIÓN DEL ANALÍTICO DEL APRENDIZAJE
DISEÑO PARA INSTRUCTORES
Los instructores son una audiencia natural para el análisis del
aprendizaje, ya que a menudo ya están involucrados de manera
informal en la actividad de examinar el aprendizaje de los
estudiantes para informar su práctica. Tal indagación del maestro
ha dependido tradicionalmente de métodos cualitativos de reflexión
usando diarios, entrevistas, observación entre pares, estudios de los estudiantes.
Machine Translated by Google
observaciones y examen de los artefactos de aprendizaje (Lytle
& Cochran-Smith, 1990), aunque el interés en el uso de los
datos de los estudiantes como evidencia para informar este
proceso ha ido en aumento (Wasson, Hanson & Mor, 2016).
Los análisis pueden ayudar a los instructores a abordar este
ciclo reflexivo con más detalle, utilizando datos como ayuda
para evaluar el impacto de las decisiones de enseñanza en
la actividad de aprendizaje (Mor, Ferguson y Wasson, 2015).
Diferentes cuerpos de literatura han explorado el proceso
específico del uso del análisis por parte del instructor en relación
los análisis se utilizan en (relativamente) tiempo real como una
con las prácticas de diseño, orquestación y aprendizaje del aprendizaje.
herramienta para monitorear la actividad, respaldar los
evaluación.
diagnósticos de situaciones que requieren atención e incitar a
Una perspectiva se centra en el uso de análisis para informar
el diseño de aprendizaje. Desde esta perspectiva, los
instructores documentan sus intenciones pedagógicas a través
del diseño, que luego proporciona el marco conceptual para
hacer preguntas y dar sentido a la información proporcionada
por el análisis (Dawson, Bakharia, Lockyer y Heathcote, 2011).
Esto puede facilitar la comprensión de los efectos de un diseño
de aprendizaje (o un enfoque de instrucción específico) en la
actividad y el aprendizaje de los estudiantes (Dietz-Uhler &
Hurn, 2013), que luego puede retroalimentar para mejorar el
diseño (Persico & Pozzi, 2015; Mor et al., 2015). El proceso es
cíclico en el que la analítica visibiliza los procesos de
aprendizaje emprendidos por los estudiantes (Martínez-Monés,
Harrer, & Dimitriadis, 2011). Lockyer et al. desarrollaron un
modelo específico para alinear el uso de análisis de aprendizaje
con el diseño de aprendizaje. (2013) quienes describieron
cómo los instructores pueden mapear inicialmente el proceso
de aprendizaje respaldado por su diseño, identificar previamente
los patrones de actividad que indican una participación exitosa
(o no exitosa) de los estudiantes en el diseño pedagógico y
luego usar análisis para rastrear la progresión del alumno hacia
los resultados deseados. . Un ejemplo inicial de este ciclo en
acción se da en Brooks et al. (2014) que observan las
modificaciones de los instructores a las prácticas de sus foros
de discusión basadas en sociogramas creados a partir de la
actividad de hablar y escuchar de los estudiantes. Roll, Harris,
Paulin, MacFadyen y Ni (2016) presentan un ciclo similar al
que realizan los diseñadores de cursos de un MOOC . El
modelo de Lockyer et al. (2013) representa una fuerte aplicación
del principio de Coordinación, ya que deja en claro cómo el uso
de la analítica está integralmente ligado a las metas y
expectativas de aprendizaje. También sugiere formas en que
se pueden trabajar los análisis en el flujo de actividad de un
instructor, por ejemplo, mediante la configuración de puntos de
control. También se atiende al principio de Comparación en el
sentido de que los patrones de actividad preidentificados sirven
como un marco de referencia absoluto para medir el progreso
hacia un estado deseado. También se podrían considerar
comparaciones adicionales, por ejemplo, establecer etapas
incrementales para apuntar a lo largo del camino o usar
actividades previas para juzgar el progreso. Como este uso de
las analíticas de aprendizaje está dirigido globalmente a los
efectos de un diseño de aprendizaje, la atención
PG 154 MANUAL DE ANALÍTICA DEL APRENDIZAJE
al principio de Personalización es actualmente limitada.
Sin embargo, pensar en cómo los diferentes diseños de
aprendizaje podrían funcionar de manera diferente y ser más o
menos efectivos para diferentes tipos de alumnos y contextos de
aprendizaje es un área emocionante para futuras consideraciones.
Una conceptualización alternativa del uso analítico de los
instructores cambia el enfoque de observar patrones de datos
para el curso como un todo a observar las diferencias entre
estudiantes o grupos de estudiantes. Desde esta perspectiva,
los instructores a intervenir cuando sea necesario. Esto se
puede considerar como una forma de orquestación (Rodríguez-
Triana, Martínez-Monés, Asensio-Pérez, & Dimitriadis, 2015)
en la que los instructores usan análisis para respaldar su
conocimiento de la actividad de los estudiantes y adaptar su
enseñanza para satisfacer las necesidades de los estudiantes
( Feldón, 2007). Para abordar los desafíos inherentes al hacer
esto (Dyck hoff, Lukarov, Muslim, Chatti y Schroeder, 2013),
van Leeuwen (2015) propone un modelo de dos partes de
cómo los instructores pueden trabajar con análisis en esta capacidad.
En primer lugar, los instructores usan los análisis para
monitorear la actividad de los estudiantes, notando
específicamente diferencias importantes entre individuos o
grupos. Esto está respaldado por las capacidades de análisis
para agregar información para una presentación manejable.
Segundo, los instructores usan la información para informar su
diagnóstico de situaciones, individuos o grupos que requieren
atención. Trabajando en el contexto de una aplicación de
análisis de aprendizaje para un contexto de aprendizaje
colaborativo asistido por computadora, van Leeuwen (2015)
encontró evidencia inicial para respaldar la hipótesis de que el
uso de análisis aumentaría la especificidad de los diagnósticos
del instructor e informaría las acciones que tomaron. Este
modelo representa una fuerte aplicación del principio de
personalización, ya que el objetivo del uso de análisis por parte
de los instructores es acciones individualizadas adaptadas a
las necesidades particulares de un estudiante o grupo. Con
respecto a la Comparación, en la conceptualización original se
confía mucho en el marco relativo de la actividad de los
compañeros, aunque también se tiene en cuenta la actividad previa de un grupo o individ
También podría considerarse la adición de un estándar
absoluto con el que comparar la actividad. Un área para
el desarrollo futuro es la coordinación de este tipo de
uso analítico con el propósito más amplio y el flujo de la
actividad de aprendizaje colaborativo.
Un modelo final para el uso de las analíticas de aprendizaje por
parte de los instructores, que aún no se ha desarrollado por completo,
es una herramienta para la evaluación. Si bien es necesario tener
precaución en tales aplicaciones, existen interesantes posibilidades
para usar análisis temporales (que capturan las características
basadas en el tiempo de los datos de seguimiento) para avanzar
hacia un nuevo paradigma de evaluación que reemplaza las
evaluaciones actuales de puntos en el tiempo de los estados de aprendizaje con dinámica
Machine Translated by Google

evaluaciones del progreso del aprendizaje (Molenaar & Wise, 2016). 2004; Pardo, Han y Ellis, 2016). Si bien dichos esfuerzos
Tal enfoque se basa en la comparación con la actividad tradicionalmente se han visto limitados por los desafíos y las
anterior y ofrece oportunidades para que los instructores imprecisiones de la memoria y el recuerdo humanos (Winne, 2010;
respondan a las necesidades de aprendizaje individuales y en evolución.
Azevedo, Moos, Johnson y Chauncey, 2010), una analítica ofrece
El uso de análisis recopilados durante el curso normal de el emocionante potencial de reflejar la actividad de un alumno con
los procesos de aprendizaje para evaluar el desarrollo de la mayor precisión. facilidad y precisión (Winne & Baker, 2013). Desde
comprensión de los estudiantes in situ también presenta esta perspectiva, las analíticas de aprendizaje se conciben como
una oportunidad atractiva para la evaluación que puede una forma de indicar a los estudiantes que monitoreen y tomen
satisfacer las necesidades sumativas y servir para fines formativos.
medidas sobre su aprendizaje de manera efectiva (Roll & Winne,
Sin embargo, la coordinación conceptual y logística de cómo se 2015).
utilizan las analíticas de aprendizaje para tales propósitos de
Ampliando estas ideas, Wise y sus colegas han presentado una
evaluación es fundamental para su adopción, dada la importancia
visión más específica del uso de las analíticas de aprendizaje de
de las decisiones que a menudo se adjuntan a las actividades de evaluación.
los estudiantes (Wise et al., 2016; Wise, 2014; Wise, Zhao y
Hausknecht, 2013; 2014). Su Student Tuning Model describe la
IMPLICACIÓN DEL ANALÍTICO DEL APRENDIZAJE práctica reflexiva informada por el análisis del aprendizaje del
DISEÑO PARA ESTUDIANTES estudiante como basada en la relación entre las actividades de
aprendizaje y el análisis del aprendizaje. Los estudiantes trabajan
Los estudiantes son una audiencia importante para el uso de con esta relación continuamente mientras participan en ciclos de
análisis por varias razones. En primer lugar, dado que el aprendizaje establecimiento de metas, acción, reflexión y ajuste. Para respaldar
de los estudiantes es el objetivo final de los sistemas educativos, este ciclo descriptivo del uso de análisis, Wise et al. (2016)
gran parte de los datos recopilados en los sistemas de análisis de propusieron y presentaron evidencia de validación inicial para un
aprendizaje son información generada por o sobre los estudiantes. marco pedagógico para diseñar implementaciones de análisis de
Desde una perspectiva ética, los estudiantes tienen el derecho (y aprendizaje para estudiantes. El marco de Alinear Diseño utiliza
quizás la responsabilidad) de revisar sus propios datos (Pardo & elementos de Coordinación, Comparación y Personalización como
Siemens, 2014; Slade & Prinsloo, 2013). En segundo lugar, al igual se describió anteriormente con énfasis en la interacción entre la
que los instructores, los estudiantes también están en la "primera agencia y el diálogo con la situación.
línea" del aprendizaje y, por lo tanto, están potencialmente bien
equipados para incorporar el contexto local en la interpretación de
los análisis, así como para hacer ajustes inmediatos a sus procesos
Además de estos modelos generales del uso de las analíticas de
de aprendizaje basados en ellos. Sin embargo, a diferencia de los
aprendizaje de los estudiantes, hay otros esfuerzos de investigación
instructores, los estudiantes deben negociar entre los objetivos
en curso que proponen marcos pedagógicos específicos para
generales del curso para el aprendizaje y el uso de análisis y sus
contextos de aprendizaje específicos y exploran aspectos
propios objetivos personales (Wise, 2014). Esto permite
particulares de cómo diseñar implementaciones de analíticas de
explícitamente la personalización, ya que agrega un marco de
aprendizaje para estudiantes. Koh et al. (2016) han desarrollado el
referencia personalizado adicional para la comparación.
marco de aprendizaje de equipo y autodiagnóstico para el uso
El uso de análisis por parte de los estudiantes se ha conceptualizado analítico en el contexto de la investigación colaborativa con
principalmente en términos de un ciclo reflexivo en el que los estudiantes de secundaria. Este marco proporciona una sólida
estudiantes usan sus propios datos analíticos para informar sus coordinación basada en procesos al integrar el uso guiado por el
procesos de aprendizaje individuales. Basándose en las teorías de instructor de análisis de competencias de trabajo en equipo en los
Schön (1983) y Kolb (1984), Clow (2012) ha propuesto la idea ciclos de aprendizaje experiencial de los estudiantes. La atención
general del uso analítico como un elemento de práctica reflexiva a la comparación toma la forma de contrastes de similitudes y
en el que la información proporciona retroalimentación que los diferencias entre las calificaciones propias y de los compañeros en
estudiantes pueden usar para ajustar o experimentar con cambios seis dimensiones del trabajo en equipo.
en sus actividades de aprendizaje.
Por separado, Aguilar (2015) está realizando una investigación en
La noción de que los estudiantes utilicen análisis para actuar
la intersección de los principios de Personalización y Comparación,
como "pequeños experimentadores" también se ha discutido
examinando si el dominio de los estudiantes o la orientación hacia
dentro de la literatura sobre aprendizaje autorregulado (Winne, en prensa).
el desempeño del aprendizaje pueden ayudar a determinar cuándo
Basándose en las teorías de la metacognición, este campo
la actividad de los compañeros es un marco de referencia útil para
tiene una larga historia de estudio y apoyo a las formas en
evaluar las analíticas de aprendizaje. De manera similar, la
que los estudiantes monitorean y actúan sobre su aprendizaje
investigación sobre las diferencias individuales ha demostrado que
como parte de un proceso de autorregulación (Zimmerman &
las orientaciones de objetivos particulares están asociadas con el
Schunk, 2011; Schunk 2008; Boekaerts, Pintrich, & Zeidner ,
uso de diferentes tipos de estrategias de autorregulación en general
2000). Los estudiantes que adoptan estrategias SRL positivas
(Shirazi, Gaševiÿ y Hatala, 2015) y pueden influir específicamente
tienden a tener interacciones de aprendizaje más ricas y se
en la interpretación y el uso de diferentes estrategias de autorregulación.
desempeñan mejor en sus estudios (Zimmerman, 2008; Pintrich,

CAPÍTULO 13 DISEÑO DE IMPLEMENTACIÓN DE ANALÍTICA DEL APRENDIZAJE PÁG. 155

Machine Translated by Google
visualizaciones de análisis de aprendizaje (Beheshitha, Hatala,
Gaševiÿ y Joksimoviÿ, 2016).
Dichos hallazgos pueden tener implicaciones para el análisis
adaptativo impulsado por el sistema en términos de qué medidas
con qué puntos de referencia son útiles (y éticos) para mostrar a
los alumnos en particular. Por ejemplo, mientras que el marco
de referencia de los compañeros puede ser motivador al
mostrarle a un estudiante cuál es su posición en relación con
otros en la clase para algunos estudiantes (Beheshitha et al.,
2016; Govaerts, et al., 2012), puede ser distracción para los
demás (Corrin & de Barba, 2015). A algunos estudiantes les
resulta desmotivador descubrir que lo están haciendo
sustancialmente peor que sus compañeros de clase (Wise,
Hausknecht y Zhao, 2014). Especialmente para los estudiantes
que tienen dificultades, la capacidad de documentar la mejora
en comparación con su propia actividad anterior puede ser más
poderosa que la comparación con la media de una clase distante.
Además, hay preguntas sobre qué porción(es) de un grupo de
pares son más apropiadas para la comparación en una situación
dada; por ejemplo, si a los estudiantes se les deben mostrar
datos de todo el curso, solo los estudiantes que son similares a
ellos de alguna manera, o los "mejores desempeños" (Beheshitha
et al., 2016). La respuesta dependerá del tipo de actividad, las
características relevantes de los estudiantes y el objetivo del uso
de análisis.
Otros investigadores están investigando más profundamente las
formas en que las implementaciones de análisis de aprendizaje
pueden diseñarse para respaldar la personalización de los
estudiantes en términos de implementaciones de análisis
adaptables. Por ejemplo, Santos, Govaerts, Verbert y Duval
(2012) describen un proceso en el que los estudiantes articulan
objetivos individuales y luego siguen su progreso. Ferguson,
Buckingham Shum y Deakin Crick (2011) han utilizado los blogs
como una herramienta para crear espacios reflexivos de
propiedad individual en los que los estudiantes pueden trabajar
a través de la creación de sentido de los análisis. La necesidad
de que los estudiantes tengan tiempo para "digerir" el significado
de los análisis antes de tomar medidas también está respaldada
por los hallazgos de Koh et al. (2016), lo que sugiere que el ritmo
adecuado puede ser un aspecto crítico en la coordinación del
uso de análisis de aprendizaje reflexivo con las actividades de
aprendizaje generales. Por el contrario, Holman et al. (2015)
encontraron que para el uso de análisis predictivo centrado en
el progreso del curso, los estudiantes tendían a usar las
herramientas para hacer planes (y dar seguimiento a estos
planes) principalmente en períodos breves justo antes de las fechas límite
Si bien los modelos y la investigación discutidos anteriormente
han conceptualizado principalmente el uso de análisis de
aprendizaje de los estudiantes como un esfuerzo individual,
también hay oportunidades interesantes para que los estudiantes
trabajen con análisis de forma colectiva. Esto sigue la tradición
de las herramientas de “conciencia de grupo”, que se han
utilizado para facilitar el trabajo y el aprendizaje colaborativo Planificación cuidadosa de cómo se introducirán los
análisis , con
asistido por computadora (Buder, 2011; Janssen & Bodemer, 2013). En este caso, el orientación inicial apropiada, apoyo
continuo, diversos ejemplos y tiempo para instructores y
PG 156 MANUAL DE ANALÍTICA DEL APRENDIZAJE
los individuos de un grupo y el grupo trabajan colectivamente con
análisis para mejorar su proceso de aprendizaje conjunto a través
de una regulación socialmente compartida (Järvelä et al., 2015).
IMPLICACIONES PARA EL APRENDIZAJE
DISEÑADORES DE ANÁLISIS Y
INVESTIGADORES
La discusión anterior ha descrito tres principios para diseñar
implementaciones de análisis de aprendizaje y ha presentado
investigaciones y modelos actuales del uso de análisis de
aprendizaje por parte de instructores y estudiantes. Este marco
también se puede utilizar para discutir las implicaciones para el
diseño y la investigación de análisis de aprendizaje en general.
En primer lugar, desde la perspectiva del diseño de sistemas,
podemos anticipar y crear características para respaldar las
posibilidades de implementación. Por ejemplo, una herramienta
que permita a los instructores asociar análisis particulares y
objetivos del curso (y anotar estas conexiones con ejemplos de
patrones productivos o improductivos) apoyaría el principio de
coordinación. De manera similar, la creación de herramientas
que ayuden a los estudiantes a rastrear y reflexionar sobre los
cambios en sus análisis a lo largo del tiempo (por ejemplo, al
poder ajustar la ventana de tiempo de los análisis para datos
actuales e históricos) podría respaldar los principios de
personalización. Este último punto es de particular importancia
dada la utilidad de la actividad anterior como marco de referencia
para evaluar el progreso, pero el predominio de los tableros
analíticos que solo brindan "instantáneas" de un punto en el
tiempo.
En segundo lugar, desde una perspectiva de investigación,
además del trabajo continuo para desarrollar sistemas
analíticos útiles, también se necesita investigar cómo se
motiva y moviliza mejor la actividad que utiliza dichos
análisis, y los factores que influyen en este proceso. En la
práctica, esto sugiere que los estudios de laboratorio, que
piden a las personas que realicen tareas específicas o
determinen información particular con herramientas de
análisis de aprendizaje, solo pueden contribuir en cierta
medida a predecir cómo los instructores y los estudiantes trabajarán con análisis "en
Por lo tanto, la prueba de campo de nuevos análisis en contextos
educativos reales desde el principio puede resultar particularmente
importante en el desarrollo de sistemas de análisis de aprendizaje e
implementaciones que realmente impacten la enseñanza y el aprendizaje.
Un enfoque valioso a considerar es la Investigación
de intervención
basada en el diseño (Penuel,
de los cursos principales.
Fishman, Cheng y Sabelli, 2011), que enfatiza
múltiples iteraciones de prueba y (re)diseño de
innovaciones de aprendizaje en asociación con
profesionales para apoyar el uso y sustentabilidad.
Finalmente, es fundamental considerar el uso de análisis como
una tecnología radicalmente nueva para profesores y estudiantes.
Machine Translated by Google

Es necesario que los estudiantes descubran cómo integrar esta
nueva forma de retroalimentación en su práctica para convertir la
promesa de las analíticas de aprendizaje en realidad. La adopción
generalizada de las analíticas de aprendizaje no ocurrirá
espontáneamente, pero los informes iniciales de proyectos que han
utilizado el diseño de implementación para educar a los usuarios y
fomentar su uso de las analíticas son muy prometedores (Koh et al.,
2016; Wise et al., 2016).
CONCLUSIÓN
Este capítulo refleja el estado actual del arte del diseño de
implementación de análisis de aprendizaje. Los principios de
Coordinación, Comparación y Personalización brindan una
perspectiva para examinar las diferentes dimensiones de la elección
del diseño que pueden afectar la forma en que se toma y actúa la
retroalimentación analítica en contextos educativos particulares .
Para los instructores, se han propuesto modelos para uso analítico
para examinar y ajustar todo el curso.
diseños de aprendizaje, así como para investigar y responder a los
patrones de actividad de los estudiantes individuales a través de la orquestación.
El uso de las analíticas de aprendizaje para la evaluación es un
área de aplicación potencialmente emocionante pero poco desarrollada.
Actualmente, el uso por parte de los estudiantes adopta la forma de
un ciclo reflexivo autorregulador, prestando atención a formas
particulares de apoyar este proceso. La investigación adicional sobre
el impacto de las diferencias individuales de estudiantes e instructores
en el uso de análisis y la generación de diseños para respaldar sus
necesidades particulares es un área prometedora para el trabajo
futuro. El mensaje final de este capítulo es enfatizar que el diseño
de implementación intencional es esencial, no opcional, para la
adopción de análisis de aprendizaje . Si deseamos evitar el destino
de demasiadas tecnologías prometedoras que nunca tuvieron un
impacto real en la educación, la investigación sobre la interacción de
los elementos humanos y tecnológicos que influyen en el uso de
análisis es un área crítica para la atención en el futuro del campo.

REFERENCIAS

Aguilar, S. (2015). Explorar y medir las prácticas de construcción de sentido de los estudiantes en torno a las representaciones de su
información académica. Póster del Consorcio Doctoral presentado en la 5.ª Conferencia Internacional sobre Análisis y Conocimiento del
Aprendizaje (LAK '15), del 16 al 20 de marzo de 2015, Poughkeepsie, NY, EE. UU. Nueva York: ACM.

Azevedo, R., Moos, DC, Johnson, AM y Chauncey, AD (2010). Medición cognitiva y metacognitiva
procesos regulatorios durante el aprendizaje hipermedia: problemas y desafíos. Psicólogo educativo, 45(4), 210–223.

Bakharia, A., Corrin, L., de Barba, P., Kennedy, G., Gaševiÿ, D., Mulder, R., Williams, D., Dawson, S. y Lockyer, L. (2016). Un marco
conceptual que vincula el diseño del aprendizaje con el análisis del aprendizaje. Actas del 6.
International Conference on Learning Analytics & Knowledge (LAK '16), 25–29 de abril de 2016, Edimburgo, Reino Unido (págs.
329–338). Nueva York: ACM.

Beheshitha, SS, Hatala, M., Gaševiÿ, D. y Joksimoviÿ, S. (2016). El papel de las orientaciones de metas de logro
al estudiar el efecto de las visualizaciones de análisis de aprendizaje. Actas de la 6.ª Conferencia Internacional sobre Análisis y
Conocimiento del Aprendizaje (LAK '16), 25–29 de abril de 2016, Edimburgo, Reino Unido (págs. 54–63). Nueva York: ACM.

Boekaerts, M., Pintrich, P. y Zeidner, M. (2000). Manual de autorregulación. San Diego, CA: Prensa Académica.

Brooks, C., Greer, J. y Gutwin, C. (2014). El enfoque asistido por datos para construir entornos de aprendizaje mejorados con tecnología
inteligente. En JA Larusson & B. White (Eds.), Análisis de aprendizaje: de la investigación a la práctica (págs. 123–156). Nueva
York: Springer.

Brusilovsky, P. y Peylo, C. (2003). Sistemas educativos adaptables e inteligentes basados en la web. Jornada Internacional
nal de Inteligencia Artificial en la Educación, 13(2), 159–172.

Buder, J. (2011). Herramientas de conciencia grupal para el aprendizaje: Direcciones actuales y futuras. Computadoras en Human Be
comportamiento, 27(3), 1114–1117.

Clow, D. (2012). El ciclo de análisis de aprendizaje: cerrar el círculo de manera efectiva. Actas de la 2.ª Conferencia Internacional sobre
Análisis y Conocimiento del Aprendizaje (LAK '12), 29 de abril a 2 de mayo de 2012, Vancouver, BC, Canadá (págs.
134–138). Nueva York: ACM.

Corrin, L. y de Barba, P. (2015). ¿Cómo interpretan los estudiantes los comentarios entregados a través de los tableros? Actas de la 5ª
Conferencia Internacional sobre Análisis y Conocimiento del Aprendizaje (LAK '15), 16–20 de marzo de 2015, Pough keepie, NY, EE.
UU. (págs. 430–431). Nueva York: ACM.

CAPÍTULO 13 DISEÑO DE IMPLEMENTACIÓN DE ANALÍTICA DEL APRENDIZAJE PÁG. 157

Machine Translated by Google

Dawson, S., Bakharia, A., Lockyer, L. y Heathcote, E. (2011). "Ver" la comunidad de aprendizaje: una exploración del desarrollo de un recurso para
monitorear las redes de estudiantes en línea. Revista británica de tecnología educativa, 41 (5), 736–752.

Dietz-Uhler, B. y Hurn, JE (2013). Uso de análisis de aprendizaje para predecir (y mejorar) el éxito de los estudiantes: un facul
ty perspectiva. Revista de aprendizaje interactivo en línea, 12(1), 17–26.

Donnelly, D., McGarr, O. y O'Reilly, J. (2011). Un marco para la integración de las TIC por parte de los docentes en su práctica en el aula. Informática y
Educación, 57(2), 1469–1483.

Duffy, TM y Cunningham, DJ (1996). Constructivismo: Implicaciones para el diseño y entrega de instrucción. En D. Jonassen (Ed.), Manual de
investigación para la tecnología y las comunicaciones educativas (págs. 170–
198). Nueva York: Macmillan.

Dyckhoff, AL, Lukarov, V., Muslim, A., Chatti, MA y Schroeder, U. (2013). Apoyar la investigación-acción con análisis de aprendizaje. Actas de la 3.ª
Conferencia Internacional sobre Análisis y Conocimiento del Aprendizaje (LAK '13), 8–12 de abril de 2013, Lovaina, Bélgica (págs. 220–229). Nueva
York: ACM.

Ertmer, PA (1999). Abordar las barreras de primer y segundo orden al cambio: estrategias para la integración tecnológica. Investigación y desarrollo de
tecnología educativa, 47(4), 47–61.

Feldón, DF (2007). Carga cognitiva y enseñanza en el aula: El arma de doble filo de la automaticidad. Psicólogo educativo, 42(3), 123–137.

Ferguson, R. (2012). Analítica de aprendizaje: impulsores, desarrollos y desafíos. Revista Internacional de Tecnología
Aprendizaje mejorado de tecnología, 4(18), 304–317.

Ferguson, R., Buckingham Shum, S. y Deakin Crick, R. (2011). EnquiryBlogger: uso de widgets para apoyar la concienciación y la reflexión en
una configuración PLE. En W. Reinhardt & TD Ullmann (Eds.), Actas del 1er .
Workshop on Awareness and Reflection in Personal Learning Environments (págs. 11 a 13) Southampton, Reino Unido: Conferencia PLE.

Govaerts, S., Verbert, K., Duval, E. y Pardo, A. (2012). El medidor de actividad del estudiante para la conciencia y la autorreflexión. Actas de la Conferencia
de CHI sobre factores humanos en sistemas informáticos, resúmenes extendidos (CHI EA '12), 5 a 10 de mayo de 2012, Austin, TX, EE. UU. (págs.
869 a 884). Nueva York: ACM.

Pasillo, GE (2010). El talón de Aquiles de la tecnología: lograr una implementación de alta calidad. Revista de Investigación sobre
Tecnología en la Educación, 42(3), 231–253.

Holman, C., Aguilar, SJ, Levick, A., Stern, J., Plummer, B. y Fishman, B. (2015). Planificación para el éxito: cómo
los estudiantes usan una herramienta de predicción de calificaciones para ganar sus clases. Actas de la 5ª Conferencia Internacional sobre Análisis
y Conocimiento del Aprendizaje (LAK '15), 16–20 de marzo de 2015, Poughkeepsie, NY, EE. UU. (págs. 260–264). Nueva York: ACM.

Janssen, J. y Bodemer, D. (2013). Aprendizaje colaborativo coordinado asistido por computadora: conciencia y
herramientas de concientización. Psicólogo educativo, 48(1), 40–55.

Järvelä, S., Kirschner, PA, Panadero, E., Malmberg, J., Phielix, C., Jaspers, J. y Järvenoja, H. (2015). Mejora de la regulación socialmente compartida en
grupos de aprendizaje colaborativo: diseño de herramientas de regulación CSCL. Investigación y desarrollo de tecnología educativa, 63(1), 125–142.

Koh, E., Shibani, A., Tan, JPL y Hong, H. (2016). Un marco pedagógico para el análisis de aprendizaje en tareas de investigación colaborativas: un
ejemplo de un programa de concienciación de competencias de trabajo en equipo. Actas del 6.
International Conference on Learning Analytics & Knowledge (LAK '16), 25–29 de abril de 2016, Edimburgo, Reino Unido (págs.
74–83). Nueva York: ACM.

Kolb, DA (1984). Educación experiencial: La experiencia como fuente de aprendizaje y desarrollo. Upper Saddle River, Nueva Jersey: Prentice Hall.

Lockyer, L., Heathcote, E. y Dawson, S. (2013). Informar la acción pedagógica: Alinear las analíticas de aprendizaje con
diseño de aprendizaje. Científico estadounidense del comportamiento, 57(10), 1439–1459.

Lonn, S., Aguilar, SJ y Teasley, SD (2015). Investigación de la motivación de los estudiantes en el contexto de una intervención de análisis de aprendizaje
durante un programa puente de verano. Computadoras en el comportamiento humano, 47, 90–97.

PG 158 MANUAL DE ANALÍTICA DEL APRENDIZAJE

Machine Translated by Google

Lytle, S. y Cochran-Smith, M. (1990). Aprendiendo de la investigación docente: una tipología de trabajo. The Teachers College Record, 92(1), 83–
103.

Martínez-Monés, A., Harrer, A., & Dimitriadis, Y. (2011). Un proceso de diseño consciente de la interacción para la integración
ción del análisis de interacción en las prácticas principales de CSCL. En S. Puntambekar, G. Erkens y C. Hmelo-Sil ver (Eds.), Análisis de
interacciones en CSCL: Métodos, enfoques y problemas (págs. 269–291). Nueva York: Primavera
ejem.

Macfadyen, LP y Dawson, S. (2010). Extracción de datos LMS para desarrollar un "sistema de alerta temprana" para educadores: A
prueba de concepto. Informática y Educación, 54(2), 588–599.

Molenaar, I. y Wise, A. (2016). Problema de gran desafío 12: Evaluar el aprendizaje de los estudiantes a través de la recopilación e interpretación
continuas de datos de desempeño temporal. En J. Ederle, K. Lund, P. Tchounikine y F.
Fischer (Eds.), Problemas de gran desafío en el aprendizaje mejorado por la tecnología II: MOOC y más allá (págs. 59–61).
Nueva York: Springer.

Mor, Y., Ferguson, R. y Wasson, B. (2015). Diseño de aprendizaje, indagación del docente sobre el aprendizaje y el aprendizaje de los estudiantes.
análisis: una llamada a la acción. Revista británica de tecnología educativa, 46 (2), 221–229.

Pardo, A., Ellis, RA y Calvo, RA (2015). Combinando datos de observación y experimentales para informar la red
señal de actividades de aprendizaje. Actas de la 5ª Conferencia Internacional sobre Análisis del Aprendizaje y Conocimiento
(LAK '15), 16 a 20 de marzo de 2015, Poughkeepsie, NY, EE. UU. (págs. 305 a 309). Nueva York: ACM.

Pardo, A., Han, F. y Ellis, RA (2016). Explorar la relación entre autorregulación, actividades en línea y
rendimiento académico: un estudio de caso. Actas de la 6.ª Conferencia Internacional sobre Análisis y Conocimiento del Aprendizaje (LAK
'16), 25–29 de abril de 2016, Edimburgo, Reino Unido (págs. 422–429). Nueva York: ACM.

Pardo, A. y Siemens, G. (2014). Principios éticos y de privacidad para el análisis de aprendizaje. British Journal of Educational Technology,
45(3), 438–450.

Persico, D. y Pozzi, F. (2015). Informar el diseño de aprendizaje con análisis de aprendizaje para mejorar la investigación de los maestros.
Revista británica de tecnología educativa, 46 (2), 230–248.

Penuel, WR, Fishman, BJ, Cheng, BH y Sabelli, N. (2011). Organizar la investigación y el desarrollo en la intersección del aprendizaje, la
implementación y el diseño. Investigador educativo, 40(7), 331–337.

Pintrich, PR (2004). Un marco conceptual para evaluar la motivación y el aprendizaje autorregulado en la universidad
estudiantes. Revisión de psicología educativa, 16 (4), 385–407.

Rodríguez-Triana, MJ, Martínez-Monés, A., Asensio-Pérez, JI, & Dimitriadis, Y. (2015). El scripting y el monitoreo se encuentran: alineando el
análisis de aprendizaje y el diseño de aprendizaje para apoyar a los maestros en la orquestación de situaciones CSCL. Revista británica de
tecnología educativa, 46 (2), 330–343.

Roll, I. y Winne, PH (2015). Comprender, evaluar y apoyar el aprendizaje autorregulado mediante análisis de aprendizaje. Revista de análisis de
aprendizaje, 2(1), 7–12.

Roll, I., Harris, S., Paulin, D., MacFadyen, LP y Ni, P. (2016, octubre). Preguntas, no respuestas: duplicación
participación de los estudiantes en los foros MOOC. Documento presentado en Learning with MOOCs III, 6 y 7 de octubre de 2016,
Filadelfia, PA. http://www.aprendiendoconmoocs2016.org/

Santos, JL, Govaerts, S., Verbert, K. y Duval, E. (2012). Visualizaciones orientadas a objetivos del seguimiento de la actividad: A
Estudio de caso con estudiantes de ingeniería. Actas de la 2.ª Conferencia Internacional sobre Análisis y Conocimiento del Aprendizaje (LAK
'12), 29 de abril–2 de mayo de 2012, Vancouver, BC, Canadá (págs. 143–152). Nueva York: ACM.

Schoen, DA (1983). El profesional reflexivo: cómo piensan los profesionales en acción. Nueva York: Libros básicos.

Schunk, DH (2008). Metacognición, autorregulación y aprendizaje autorregulado: recomendaciones de investigación.

Revista de psicología educativa, 20(4), 463–467.

Schunk, DH y Zimmerman, BJ (2012). Autorregulación y aprendizaje. En IB Weiner, WM Reynolds y GE

Miller (Eds.), Manual de psicología, vol. 7, Psicología de la educación, 2ª ed. (págs. 45 a 68). Hoboken, Nueva Jersey: Wiley.

CAPÍTULO 13 DISEÑO DE IMPLEMENTACIÓN DE ANALÍTICA DEL APRENDIZAJE PÁG. 159

Machine Translated by Google

Shirazi, S., Gaševiÿ, D. y Hatala, M. (2015). Un enfoque de minería de procesos para vincular el estudio de aptitud y
facetas de eventos del aprendizaje autorregulado. Actas de la 5ª Conferencia Internacional sobre Análisis y Conocimiento del Aprendizaje
(LAK '15), 16–20 de marzo de 2015, Poughkeepsie, NY, EE. UU. (págs. 265–269). Nueva York: ACM.

Siemens, G. (2013). Analítica de aprendizaje: el surgimiento de una disciplina. Científico estadounidense del comportamiento, 57 años,
1380–1400.

Slade, S. y Prinsloo, P. (2013). Cuestiones y dilemas éticos de la analítica del aprendizaje. científico conductual estadounidense,
57(10), 1510–1529.

Suthers, DD y Rosen, D. (2011). Un marco unificado para el análisis multinivel del aprendizaje distribuido. Actas de la 1.ª Conferencia
Internacional sobre Análisis y Conocimiento del Aprendizaje (LAK '11), 27 de febrero–1 de marzo de 2011, Banff, AB, Canadá (págs. 64–
74). Nueva York: ACM.

van Harmelen, M. y Workman, D. (2012). Analítica para el aprendizaje y la enseñanza. Reporte técnico. Análisis CETIS
Serie Vol 1. No. 3. Bolton, Reino Unido: CETIS.

van Leeuwen, A. (2015). Análisis de aprendizaje para apoyar a los profesores durante CSCL sincrónico: Equilibrio entre
visión general y sobrecarga. Revista de análisis de aprendizaje, 2(2), 138–162.

Wasson, B., Hanson, C. y Mor, Y. (2016). Problema de gran desafío 11: Capacitar a los maestros con datos de los estudiantes.
En J. Ederle, K. Lund, P. Tchounikine y F. Fischer (Eds.), Grandes problemas de desafío en el aprendizaje mejorado por la tecnología II:
MOOC y más allá (págs. 55–58). Nueva York: Springer.

Ganar, PH (2010). Bootstrapping del aprendizaje autorregulado del alumno. Test Psicológico y Modelo de Evaluación
ing, 52(4), 472–490.

Winne, PH (en prensa). Aprovechar los grandes datos para ayudar a cada alumno a mejorar el aprendizaje y acelerar el aprendizaje de la
ciencia. Registro del Colegio de Maestros.

Winne, PH y Baker, RS (2013). El potencial de la minería de datos educativos para investigar la metacognición,
motivación y aprendizaje autorregulado. Revista de Minería de Datos Educativos, 5(1), 1–8.

Sabio, AF (2014). Diseñar intervenciones pedagógicas para apoyar el uso de las analíticas de aprendizaje por parte de los estudiantes.
Actas de la 4.ª Conferencia Internacional sobre Análisis y Conocimiento del Aprendizaje (LAK '14), 24–28 de marzo de 2014, Indianápolis,
IN, EE. UU. (págs. 203–211). Nueva York: ACM.

Wise, AF, Hausknecht, SN y Zhao, Y. (2014). Atender las publicaciones de otros en discusiones asincrónicas:
La “escucha” en línea de los estudiantes y su relación con el habla. Revista internacional de aprendizaje colaborativo asistido por
computadora, 9 (2), 185–209.

Wise, AF, Vytasek, JM, Hausknecht, S. y Zhao, Y. (2016). Desarrollar conocimiento de diseño de análisis de aprendizaje en el "espacio
intermedio": el modelo de ajuste del estudiante y alinear el marco de diseño para el uso de análisis de aprendizaje.
Diario de aprendizaje en línea 20(2).

Wise, AF y Vytasek, JM (en preparación). Las tres C del diseño de implementación de analíticas de aprendizaje: Coordi
nación, comparación y personalización.

Wise, AF, Zhao, Y. y Hausknecht, SN (2013). Análisis de aprendizaje para debates en línea: un modelo pedagógico para la intervención con
análisis incorporados y extraídos. Actas de la 3.ª Conferencia Internacional sobre Análisis y Conocimiento del Aprendizaje (LAK '13), 8–12
de abril de 2013, Lovaina, Bélgica (págs. 48–56). Nueva York: ACM.

Wise, AF, Zhao, Y. y Hausknecht, SN (2014). Análisis de aprendizaje para debates en línea: integrados y ex
enfoques traccionados. Revista de análisis de aprendizaje, 1(2), 48–71.

Zimmerman, BJ (2008). Investigando la autorregulación y la motivación: antecedentes históricos, desarrollos metodológicos y perspectivas
futuras. Diario de investigación educativa estadounidense, 45 (1), 166–183.

Zimmerman, BJ y Schunk, DH (Eds.) (2011). Manual de autorregulación del aprendizaje y el rendimiento. Nuevo
York: Routledge.