Modelado predictivo con inteligencia artificial y big data para el diseño de estrategias adaptativas que personalizan el aprendizaje, previenen riesgos y fomentan la mejora continua en entornos educativos digitales

Wilmer Romero Albán Holguín, Sony Walberto Villarroel Carrillo, Lorena Elizabeth Castillo Salazar, Nely Piedad Curay Quispe, Verónica Patricia Morales Ramos

Resumen


El presente artículo analiza el papel del modelado predictivo basado en inteligencia artificial (IA) y big data como herramienta para optimizar los procesos de enseñanza-aprendizaje en entornos digitales. Se examina cómo la integración de algoritmos de aprendizaje automático permite identificar patrones de comportamiento estudiantil, anticipar riesgos de deserción o bajo rendimiento, y generar estrategias adaptativas personalizadas. La metodología combina revisión bibliográfica y modelado experimental con datos simulados de plataformas educativas virtuales. Los resultados evidencian que el uso de modelos predictivos incrementa la precisión en la detección temprana de riesgos académicos y mejora la personalización del aprendizaje en un 25 % respecto a enfoques tradicionales. Se concluye que la IA, aplicada de forma ética y pedagógicamente orientada, constituye un pilar fundamental para la mejora continua y la toma de decisiones inteligentes en la educación digital.


Palabras clave


inteligencia artificial; big data; modelado predictivo; personalización del aprendizaje; analítica educativa; educación digital.

Texto completo:

PDF HTML

Referencias


Luan, H., Geczy, P., & Lai, H. (2020). Retos y direcciones futuras del Big Data y la Inteligencia Artificial en la Educación. Obtenido de https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2020.580820/full?utm_source=chatgpt.com

BİLGE, H. Ş. (2020). Big Data Analytics in Higher Education: A Systematic Review *.

Siemens. (2012). Analítica del aprendizaje: Visualizando una disciplina de investigación y un ámbito de práctica. doi:10.1145/2330601.2330605

SpringerOpen. (2021). Obtenido de https://educationaltechnologyjournal.springeropen.com/articles/10.1186/s41239-021-00303-4).

Referencias complementarias (APA 7ª edición)

Baker, R. S., & Inventado, P. S. (2014). Educational data mining and learning analytics. Learning Analytics, 61–75. Springer. https://doi.org/10.1007/978-1-4614-3305-7_4

Cabero-Almenara, J., & Llorente-Cejudo, C. (2022). Formación del profesorado universitario en competencia digital docente. Revista Educación y Tecnología Digital, 25(2), 45–62.

Creswell, J. W., & Plano Clark, V. L. (2018). Designing and conducting mixed methods research (3rd ed.). Sage Publications.

Holmes, W., Bialik, M., & Fadel, C. (2021). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Center for Curriculum Redesign.

LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436–444. https://doi.org/10.1038/nature14539

Rabiner, L. R. (1989). A tutorial on Hidden Markov Models and selected applications in speech recognition. Proceedings of the IEEE, 77(2), 257–286.

Romero, C., & Ventura, S. (2020). Educational data mining and learning analytics: An updated survey. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 10(3), e1355. https://doi.org/10.1002/widm.1355

Schiff, D., Small, S., & Perry, M. (2021). Explaining AI in education: Ethics and accountability for learning analytics. British Journal of Educational Technology, 52(6), 2345–2362.

Siemens, G., & Long, P. (2011). Penetrating the fog: Analytics in learning and education. EDUCAUSE Review, 46(5), 30–40.

Zhang, J., Huang, C., & Chen, S. (2022). Personalized learning pathways based on deep neural networks. Computers & Education, 186, 104532.




DOI: https://doi.org/10.23857/pc.v10i11.10645

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/