Paradigmas analíticos en entornos virtuales y de aprendizaje: una revisión de sus principales puntos de encuentros y diferenciaciones técnicas y de enfoque

Main Article Content

Pablo Rojas Castro

Article Details

ARTÍCULOS
Rojas Castro, P. (2015). Paradigmas analíticos en entornos virtuales y de aprendizaje: una revisión de sus principales puntos de encuentros y diferenciaciones técnicas y de enfoque. Educación Y Tecnologí­a, (7), 91-106. Recuperado a partir de http://revistas2.umce.cl/index.php/edytec/article/view/238
estadisticas

Descargas

La descarga de datos todavía no está disponible.

Resumen

El presente artulo realiza una revisi acerca de los paradigmas analicos que emergen ante los entornos virtuales en general, y entornos virtuales de aprendizaje en particular. Los paradigmas analicos revisados florecen a la par de los Big Data, macro datos o colecci de datos que son obtenidos desde las distintas plataformas virtuales que soportan la totalidad o alguna parte del proceso de aprendizaje. La aplicaci de estos enfoques analicos se realiza con vistas a predecir, conocer patrones de comportamiento u optimizar los aprendizajes (individuales o grupales). Los paradigmas analicos son: Educational data Mining (EDM), Learning Analytics (LA), Academic Analytics (AA) y Web Analytics (WA). El objetivo del artulo es presentar los principales hitos teicos y enfoques analicos de cada paradigma.


En el desarrollo temico se pretende asentar cada paradigma de acuerdo con sus propios objetos de estudio y especificidades. Es importante notar que el campo analico de estos paradigmas es novel y se halla en plena fase de desarrollo, por lo que existen a muchas fronteras borrosas o luidas entre ellos.


El caso m relevante de fronteras borrosas sucede entre Learning Analytics y Educational Data Mining. Por lo que en el tratamiento analico de estos paradigmas se hace un especial hincapien las similitudes y diferencias que surgen en la literatura especializada.

Palabras clave

Learning Analytics
Analytics
Academic Analytics
Educational Data Mining
Big Data.