Modelado predictivo mediante inteligencia artificial y big data: desarrollo de estrategias adaptativas para la personalización, prevención de riesgos y mejora continua del aprendizaje en entornos digitales educativos

Verónica Patricia Morales Ramos, Jeannette Silvana Mejía Medina, Paulina Alexandra Moscoso González, Jessica Fernanda Chacha Chunata, Nubia María Lozano Reinoso

Resumen


Este estudio presenta el desarrollo y la validación de un modelo predictivo basado en inteligencia artificial y big data para diseñar estrategias adaptativas que potencien la personalización del aprendizaje, la prevención de riesgos digitales y la mejora continua en entornos educativos digitales. Mediante un enfoque de métodos mixtos que combina la revisión sistemática de la literatura con el análisis experimental de datos de plataformas educativas del mundo real, la investigación identificó patrones clave en el rendimiento y el comportamiento estudiantil para anticipar los riesgos académicos y proponer intervenciones personalizadas. Los resultados muestran una alta precisión y adaptabilidad del modelo, con reducciones significativas en las tasas de abandono escolar y mejoras en la retención y el progreso estudiantil. El estudio también destaca la importancia de las consideraciones éticas y la privacidad de los datos para garantizar el uso responsable y equitativo de estas tecnologías en la educación. Este trabajo contribuye a la innovación pedagógica basada en evidencia científica, promoviendo entornos de aprendizaje más seguros, inclusivos y efectivos.


Palabras clave


Modelado predictivo; inteligencia artificial; big data; personalización educativa; prevención de riesgos; aprendizaje digital.

Texto completo:

PDF HTML

Referencias


Forero-Corba, W., & Negre Bennasar, F. (2024). Diseño y simulación de un modelo de predicción para la evaluación de la competencia digital docente usando técnicas de Machine Learning. evista Electrónica De Tecnología Educativa. https://doi.org/https://doi.org/10.21556/edutec.2024.89.3201

Morales, N., & Osorio García, P. (2024). Aplicación de Modelos de Inteligencia Artificial en Pruebas Estandarizadas para la Optimización del Rendimiento Académico en Educación Superior. European Public & Social Innovation Review. https://doi.org/https://doi.org/10.31637/epsir-2024-1605

Norambuena, J., & Badilla-Quintana, M. (s.f.). Modelos predictivos basados en uso de analíticas de aprendizaje en educación superior: una revisión sistemática. Universidade Federal de Minas Gerais - UFMG. https://doi.org/https://doi.org/10.35699/1983-3652.2022.36310

Orozco Morales, N., & Osorio García, P. (2024). Aplicación de Modelos de Inteligencia Artificial en Pruebas Estandarizadas para la Optimización del Rendimiento Académico en Educación Superior. European Public & Social Innovation . https://doi.org/https://doi.org/10.31637/epsir-2024-1605

Arroyo Saltos, J. L. (2025). Aplicación de Modelos Matemáticos Predictivos en la Optimización de Procesos Educativos: Una Revisión Sistémica y Estudio de Caso en Educación. Aplicación de Modelos Matemáticos Predictivos en la Optimización de Procesos Educativos: Una Revisión Sistémica y Estudio de Caso en Educación. https://doi.org/https://magazineasce.com/index.php/1/article/view/393

Bautista Cañón, E. Q.-S. (2021). Modelo predictivo del progreso en el aprendizaje de los estudiantes de uniminuto aplicando técnicas de machine learning. Revista Conrado. Obtenido de http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1990-86442021000600305

Bolaño-García, M. (2024). Inteligencia artificial para la educación: desafíos y oportunidades. Editora revista Praxis. Obtenido de https://dialnet.unirioja.es/descarga/articulo/9714361.pdf

Núñez Villalobos, D. (2025). Modelo Predictivo basado en Aprendizaje Automático para la retención Estudiantil en Educación Superior. uropean Public & Social Innovation Review,. https://doi.org/https://doi.org/10.31637/epsir-2025-1307

Orozco Morales, N. &. (2024). Aplicación de Modelos de Inteligencia Artificial en Pruebas Estandarizadas para la Optimización del Rendimiento Académico en Educación Superior. European Public & Social Innovation Review. https://doi.org/https://doi.org/10.31637/epsir-2024-1605

Ouyang. (2021). Inteligencia artificial en la educación: Paradigmas y aplicaciones.

Roda-Segarra, de la Peña, J., & Mengual, C. (2024). Eficacia de los Modelos de Inteligencia Artificial para Predecir el Abandono Escolar: Un Meta-Análisis. Revista multidisciplinaria de investigación educativa. https://doi.org/https://doi.org/10.17583/remie.13342

Sghir, N. (2022). Avances recientes en análisis de aprendizaje predictivo: una revisión sistemática de una década (2012-2022). Obtenido de https://link-springer-com.translate.goog/article/10.1007/s10639-022-11536-0?error=cookies_not_supported&code=5b648aec-c590-4539-bf47-ea291b6a6d17&_x_tr_sl=en&_x_tr_tl=es&_x_tr_hl=es&_x_tr_pto=tc




DOI: https://doi.org/10.23857/pc.v10i9.10493

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';

Bookmark and Share




Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/