Publications
Permanent URI for this collectionhttps://repositorio.grial.eu/handle/123456789/34
Browse
3 results
Search Results
Item Analíticas del aprendizaje basadas en datos e inteligencia artificial en la educación superior: una revisión sistemática(IEEE, 2025-09-29) González-Pérez, Laura Icela; García-Peñalvo, Francisco José; Argüelles-Cruz, Amadeo JoséLa integración responsable de la inteligencia artificial en la educación (IAED) ofrece una oportunidad estratégica para alinear los entornos formativos con los principios de la Sociedad 5.0, potenciando la sinergia humano-tecnología en favor de una educación de calidad y del bienestar social. Este estudio presenta una revisión sistemática de 36 artículos arbitrados (2021–2025), centrados en aplicaciones educativas que emplean analíticas de aprendizaje (LA) con enfoques data-driven e integran modelos de Machine Learning (ML) como parte de su evidencia empírica. En cada estudio se identificaron tres elementos clave: el contexto de aplicación de la IAED, el enfoque data-driven adoptado y el modelo de ML utilizado. Los hallazgos revelan una desconexión entre los modelos de IA empleados y los datos educativos, los cuales, en muchos casos, se reducen a logs de acceso a calificaciones capturadas manualmente, que no permiten medir procesos cognitivos de manera profunda. Esta limitación compromete tanto la capacidad de los modelos ML para entrenarse de manera efectiva como su utilidad para ofrecer intervenciones pedagógicas útiles, como pueden ser rutas de aprendizaje personalizadas, retroalimentación en tiempo real, detección temprana de dificultades y seguimiento y visualización. Otro hallazgo relevante es la ausencia de marcos psicopedagógicos integrados a estándares de calidad y de gobernanza de datos, indispensables para avanzar hacia enfoques prescriptivos y éticos, coherentes con las metas de aprendizaje. Se recomienda que los líderes educativos promuevan aplicaciones de IAED sustentadas en marcos de gestión de datos y ética, asegurando métricas válidas y confiables que impulsen una educación más equitativa e inclusiva.Item MOOCs para el desarrollo de competencias en prácticas remotas universitarias: Formación para la empleabilidad(Servicio de Publicaciones Universidad de Zaragoza, 2025-06-11) García-Holgado, Lucía; Verdugo-Castro, Sonia; Pinto-Llorente, Ana María; del Brío Nieto, Alba María; García-Peñalvo, Francisco JoséEl trabajo remoto y la transformación digital han reconfigurado el escenario de las prácticas universitarias. Mediante el desarrollo de una serie de grupos focales y encuestas, se ha detectado la importancia de formar al estudiantado en habilidades digitales y competencia trasversales como la autonomía, la comunicación y la motivación. En este contexto, el proyecto europeo PREVIEW apuesta por un modelo innovador de prácticas a distancia acompañado de formación específica a través de MOOCs. En este artículo se presenta el diseño y desarrollo de tres cursos en línea para dotar al alumnado de las competencias necesarias para afrontar prácticas remotas en este nuevo contextoItem Cuestionario de opinión con universitarios/as sobre los estudios superiores en ciencia, tecnología, ingeniería y matemáticas (QSTEMHE)(Grupo GRIAL, 2024-02) Verdugo-Castro, Sonia; García-Holgado, Alicia; Sánchez-Gómez, Mª CruzEn algunos países existe segregación por razón de género en algunas áreas de estudio, un caso es el sector de la ciencia, la tecnología, la ingeniería y las matemáticas (STEM). Por este motivo, se ha diseñado el Cuestionario de opinión con universitarios/as sobre los estudios superiores en ciencia, tecnología, ingeniería y matemáticas (QSTEMHE, del acrónimo en inglés). El instrumento ha sido validado empíricamente (Verdugo-Castro et al., 2022b) y forma parte de una investigación realizada a través de la tesis doctoral de Sonia Verdugo-Castro, en la Universidad de Salamanca (Verdugo-Castro, 2022). El objetivo que se persigue con la aplicación del cuestionario QSTEMHE es conocer los estereotipos de género que tiene el estudiantado universitario sobre los estudios superiores STEM, una vez que se han identificado los factores que inciden sobre dicha brecha de género (Verdugo-Castro, García-Holgado, et al., 2023). El cuestionario está compuesto por cuatro bloques, en dos de ellos se recogen preguntas sociodemográficas y contextuales, en otro se plantean preguntas abiertas (Verdugo-Castro, Sánchez-Gómez, et al., 2023) y en otro bloque se recogen los ítems en los que se realiza afirmaciones a las que se debe responder con el grado de acuerdo o desacuerdo acerca de la opinión que se tiene como universitario/a en relación con los estudios superiores relacionados con la ciencia, la tecnología, la ingeniería y las matemáticas (Verdugo-Castro et al., 2020, 2022a). Las dimensiones a las que se asocian los ítems de opinión validados son: Ideología de Género (D3), Intereses (D1), Actitudes (D4), Percepción y Autopercepción (D2) y Expectativas sobre la Ciencia (D5) (Verdugo-Castro et al., 2022b). En relación con algunas preguntas vinculadas al género, se ha tratado la investigación desde el respeto y la inclusión de las diferentes identidades de género, sabiendo que el género no se limita a la clasificación binaria de hombre y mujer, si bien algunas preguntas hacen referencia a los hombres y a las mujeres por la tendencia histórica de segregación entre ambos géneros en el ámbito del estudio. En la aplicación del cuestionario en el marco de la tesis doctoral de Sonia Verdugo-Castro (Verdugo-Castro, 2022), los datos obtenidos se han tratado de forma agregada y anónima, una vez que se ha obtenido el informe favorable del Comité de Bioética (CBE) de la Universidad de Salamanca, con el nº de registro 557. Finalmente, dado que el instrumento ha sido sometido a procedimientos de validación, se han suprimido algunos ítems. Es por este motivo que, en esta versión final presentada, junto a los códigos identificadores de cada ítem, en algunos de ellos, hay una referencia en letra cursiva y en gris, entre paréntesis, que se asocia a los valores identificativos del cuestionario en su primera versión.