Reflexiones sobre ecologías y espacios del aprendizaje, análisis del aprendizaje y análisis de redes sociales, visualización de datos, Big Data y otros temas emergentes

Etiqueta: educación superior (Página 1 de 2)

II Encuentro Nacional e Internacional de Comunidades Académicas Rumbo. Bibliografía

Bibliografía usada para realizar la Mesa Temática de MOOCs en la II Encuentro Nacional e Internacional  de Comunidades Académicas Rumbo:


105245, & Gillet, D. (2013). Personal Learning Environments as Enablers for Connectivist MOOCs. Proceedings of the 12th International Conference on Information Technology Based Higher Education and Training. Retrieved from
Anderson, T. (2009). The Dance of Technology and pedagogy in self-paced distance education. Article. Retrieved June 5, 2013, from
Anderson, T. (2013). Promise and/or Peril: MOOCs and Open and Distance Education. Commonwealth of Learning. Retrieved from
Anderson, T., & Dron, J. (2010). Three generations of distance education pedagogy. The International Review of Research in Open and Distance Learning, 12(3), 80–97.
Anderson, T., & Dron, J. (2012). Learning Technology through Three Generations of Technology Enhanced Distance Education Pedagogy. Revista Mexicana de Bachillerato a Distancia; No 6 (3). Retrieved from
Baker III, F. W., III, F. W. B., & Surry, D. (20130325). Open Education Designs: A Taxonomy for Differentiating and Classifying Open Learning Environments. Society for Information Technology & Teacher Education International Conference 2013, 2013(1), 189–194.
Baker, T. J. (2012). Connectivism and Connected Knowledge: Participating in a MOOC.
Barry, W. (2013, March 12). Comparing the MOOC dot com #h817open. the accidental technologist. Blog. Retrieved from
Bates, T. (2006). Promesas y mitos del aprendizaje virtual en la educación post-secundaria. In La sociedad red: una visión global. Madrid: Alianza Editorial.
Bell, F. (2011). Connectivism: Its Place in Theory-Informed Research and Innovation in Technology-Enabled Learning. International Review of Research in Open and Distance Learning, 12(3), 98–118.
Blanes, Casas, F., Oteo, J. A., & Ros, J. (2010). A pedagogical approach to the Magnus expansion. European Journal of Physics, 31(4), 907–918. doi:10.1088/0143-0807/31/4/020
Bond, P. (2013). Masive Open Online Courses (MOOCs) for Professional Development and Growth. In Continuing education for librarians: Essays on career improvement through classes, workshops, conferences and more (pp. 28–34). Jefferson, North Caroloina: McFarland & Company, Inc., Publishers. Retrieved from
Boullier, D. (2013). Les Moocs: de qui se moque-t-on? Documentaliste. Sciences de l’information, 50(1), 15–16.
Bowen, W. G. (2013). Higher education in the digital age. Princeton, New Jersey: Princeton University Press.
Brault, J. (2013, May 30). Les cours gratuits en ligne transforment les universités. les Retrieved from
Buche-Pinchard, S. (2013). Moving towards Collaborative Learning Education for the 21st century (Master de espcialización). Ensci-les ateliers, Paris. Retrieved from
Burke, W. (2013, May 14). Connected Learning: A Learning Approach Designed for Our Times. Huffington Post. Retrieved from
Butcher, N. (n.d.). Open Educational Resources and Higher Education. Commonwealth of Learning. Retrieved from
Butcher, N., Kanwar, A., & Uvalic-Trumbic, S. (2011). A basic guide to open educational resources (OER). Vancouver; Paris: Commonwealth of Learning ; UNESCO. Retrieved from
Cain, G. (2013, June 14). Brainstorm in Progress: MOOCs: Disruption is the Mother of Invention. Brainstorm in Progress. Retrieved from
Chamberlin, L., & Parish, T. (2011). MOOCs: Massive Open Online Courses or Massive and Often Obtuse Courses? eLearn, 2011(8). doi:10.1145/2016016.2016017
Clark, D. (2013). MOOCs: taxonomy of 8 types of MOOC. Donald Clark Plan B. Blog. Retrieved from
Clow, D. (2013). MOOCs and the funnel of participation. In Proceedings of the Third International Conference on Learning Analytics and Knowledge (pp. 185–189). New York, NY, USA: ACM. doi:10.1145/2460296.2460332
Community College Consortium for Open Educational Resources. (2008). Open textbooks, free and open. Retrieved May 7, 2013, from
Connectivism: its place in theory-informed research and innovation in technology-enabled learning. (2011). Retrieved May 15, 2013, from
Conole, G. (2013). Week 5: A new classification for MOOCs. MOOC Quality Project. Retrieved June 15, 2013, from
Curriculum Models for the 21st Century – Using Learning Technologies in Higher Education. (n.d.). Retrieved from
D.Ed, R. P. (2013). Learning With MOOCs: Massive Open Online Courses. CreateSpace Independent Publishing Platform.
D’Antoni, S., Savage, C., & Unesco. (2009). Open educational resources: conversations in cyberspace. Paris: United Nations Educational, Scientific and Cultural Organization.
Davidson, C. N. (2012, December 10). Size Isn’t Everything. The Chronicle of Higher Education. Retrieved from
De Waard, I., Waard, I. de, Abajian, S., Gallagher, M., Hogue, R., Keskin, N., … Rodriguez, O. (20111122). Using mLearning and MOOCs to understand chaos, emergence, and complexity in education. International Review of Research in Open and Distance Learning, 12(7), 94–115.
Deimann, M. (2013). Open Education and Bildung as Kindred Spirits. E-Learning and Digital Media, 10(2), 190. doi:10.2304/elea.2013.10.2.190
Deimann, M., & Friesen, N. (2013). Introduction. Exploring the Educational Potential of Open Educational Resources. E-Learning and Digital Media, 10(2), 112. doi:10.2304/elea.2013.10.2.112
Dellarocas, C., & Van Alstyne, M. (2013). Money models for MOOCs. Communications of the ACM, 56(8), 25. doi:10.1145/2492007.2492017
Dennis, M. (2012). The Impact of MOOCs on Higher Education. College and University, 88(2), 24–30.
Dennis, M. (2013). The Impact of MOOCs on Higher Education. College and University.
Depoister, C. (2013). An Education Revolution: How o Get A Degree with Little or No Debt [versión Kindle]. CreateSpace Independent Publishing Platform. Retrieved from
Dinevski, D., Fosnaric, S., & Arh, T. (2010). Open educational resources in e-learning. Organizacija, 43(1), 4–8.
Donaldson, J., Agra, E., Alshammari, M., Bailey, A., Bowdoin, D., Kendle, M., … Wressell, L. (2013). Massively Open:: How Massive Open Online Courses Changed the World. CreateSpace Independent Publishing Platform.
Downes, S. (2012, September 28). Half an Hour: The “Course” in MOOC. Half an Hour. Retrieved from
Downes, S. (2013, May 13). The Quality of Massive Open Online Courses. Efquel. Retrieved May 15, 2013, from
El próximo factor de cambio: Antecedentes históricos de los MOOC en educación. (2013, May 8). Retrieved May 15, 2013, from
Fairman, F. W. (1990). A pedagogical approach to minimal order observers. IEEE Transactions on Education, 33(3). doi:10.1109/13.57071
Game Based Learning MOOC. Promoting Entrepreneurship Education. (2013, May 8). Retrieved May 15, 2013, from
Glance, D. G., Forsey, M., & Riley, M. (2013). The pedagogical foundations of massive open online courses. First Monday, 18(5). doi:10.5210/fm.v18i5.4350
Glennie, J., Harley, K., Butcher, N., & Van Wyk, T. (2012). Open educational resources and change in higher education: reflections from practice. Vancouver: Commonwealth of Learning. Retrieved from
Haider, T. (2013, abril). A Comprehensive List of MOOC (Massive Open Online Courses) Providers. TechnoDuet. Blog. Retrieved from
Hernández López, A., Gil, E. P., & Peña López, I. (2013, February 27). MOOCs Platforms. Graph. Retrieved July 22, 2013, from
Horn, M. B., & Christensen, C. M. (2013, February 20). Beyond the Buzz, Where Are MOOCs Really Going? Wired Opinion. Retrieved June 16, 2013, from
Iiyoshi, T., Kumar, M. S. V., & Carnegie Foundation for the Advancement of Teaching. (2008). Opening up education: the collective advancement of education through open technology, open content, and open knowledge. Cambridge, Mass.: MIT Press.
Impacto y alcance de los MOOC: Perspectiva de los países en desarrollo. (2013, May 8). Retrieved May 15, 2013, from
John Mak, S. F. (n.d.). Pedagogy of MOOC. Learner Weblog. weblog. Retrieved from
Kernohan, D. (2013a). Making sense of MOOCs. JISC Inform. Retrieved from
Kernohan, D. (2013b, March 13). MOOCs and Open Courses – what’s the difference? : JISC. Blog. Retrieved from
Khalil, H., & Ebner, M. (20130624). “How satisfied are you with your MOOC?” – A Research Study on Interaction in Huge Online Courses. World Conference on Educational Multimedia, Hypermedia and Telecommunications 2013, 2013(1), 830–839.
Kiener, R., & CQ Press. (2013). Future of public universities: can they compete with new educational models? Washington, D.C.: CQ Press.
Ko, S., & Rossen, S. (2010). Teaching Online: A Practical Guide (3rd ed.). Routledge.
Kop, R., Fournier, H., & Mak, J. (20111122). A pedagogy of abundance or a pedagogy to support human beings? Participant support on massive open online courses. International Review of Research in Open and Distance Learning, 12(7), 74–93.
Kop, R., Fournier, H., & Mak, J. S. F. (2011). A Pedagogy of Abundance or a Pedagogy to Support Human Beings? Participant support on Massive Open Online Courses. The International Review of Research in Open and Distance Learning, 12(7), 74–93.
Learning from Open Design: Running a Learning Design MOOC. (2013, May 8). Retrieved May 15, 2013, from
Lewis, B., & Rush, D. (2013). Experience of developing Twitter-based communities of practice in higher education. Research in Learning Technology, 21(0). doi:10.3402/rlt.v21i0.18598
Li, Y., & Powell, S. (2013). MOOCs and disruptive innovation: Implications for higher education. eLearning Papers, 33. Retrieved from
Little, G. (2013). Massively Open? The Journal of Academic Librarianship, 39(3), 308–309. doi:10.1016/j.acalib.2013.03.004
Mackay, R. F. (2013, April 11). Learning analytics at Stanford takes huge leap forward with MOOCs. Stanford University. Retrieved June 10, 2013, from
Managing and Learning in MOOCs (massive open online courses). (, uuuu). Retrieved April 3, 2013, from
Marian Petre, & Proceedings of the 12th Koli Calling International Conference / Computing Education Research (Koli Calling  ’12). (2012). MOOCs. ACM, 2 Penn Plaza, Suite 701, New York, NY 10121-0701, USA.
Marshall, S. (2012, November 15). A taxonomy of MOOCs. Stephen’s Blog. Blog. Retrieved from
Masterman, L., & Wild, J. (2011). OER Impact Study: research Report (p. 88). Bolton: University of Oxford y JISC. Retrieved from
McCluskey, F. B., & Winter, M. L. (2012). The idea of the digital university: ancient traditions, disruptive technologies and the battle for the soul of higher education. Washington, D.C.: Westphalia Press.
McLoughlin, C. E. (20130624). The pedagogy of personalised learning: exemplars, MOOCS and related learning theories. World Conference on Educational Multimedia, Hypermedia and Telecommunications 2013, 2013(1), 266–270.
MOOC Design Principles. A Pedagogical Approach from the Learner’s Perspective. (2013, May 8). Retrieved May 15, 2013, from
MOOC y más allá. (2013, May 9). Retrieved May 15, 2013, from
MOOCology. (n.d.). Viplav Baxi’s Meanderings. Retrieved November 5, 2012, from
MOOCs are More Social than You Believe. (2013, May 7). Retrieved May 15, 2013, from
Moore, M. G., & Kearsley, G. (2012). Distance education: a systems view of online learning (3a ed.). Belmont, CA: Wadsworth Cengage Learning.
More on MOOCs and Being Awesome Instead. (n.d.). iterating toward openness. Retrieved May 26, 2013, from
NESTA. (2009). Soft innovation: Towards a more complete picture of innovation change [Report]. London: NESTA. Retrieved from
Newton, J. M., McKenna, L. G., Gilmour, C., & Fawcett, J. (2010). Exploring a pedagogical approach to integrating research, practice and teaching. International Journal of Nursing Education Scholarship, 7(1), Article3.
Odom, L. (20130624). A SWOT Analysis of The Potential Impact of MOOCs. World Conference on Educational Multimedia, Hypermedia and Telecommunications 2013, 2013(1), 611–621.
OER commons open educational resources. (2007). Retrieved May 7, 2013, from
Okada, A., Connolly, T., & Scott, P. J. (2012). Collaborative learning 2.0: open educational resources. Hershey PA: Information Science Reference.
Online learning: MOOC madness, an inside look. (2012). [Washington, D.C.]: Chronicle of Higher Education.
Open Educational Resources. (2012). Retrieved May 7, 2013, from
Open Learning Cultures – A Guide to Quality, Evaluation, and Assessment for Future Learning. (n.d.). Retrieved from
Organisation for Economic Co-operation and Development. (2009). El conocimiento libre y los recursos educativos abiertos. Mérida: OCDE – Junta de Extremadura. Retrieved from
Organisation for Economic Co-operation and Development, & Centre for Educational Research and Innovation. (2007). Giving knowledge for free: the emergence of open educational resources. [Paris, France?]: Organisation for Economic Co-operation and Development.
Outsell, I. (2013). MOOCs: cutting through the hype. [Burlingame, Calif.]: Outsell.
Panke, S., & Seufert, T. (2013). What’s Educational about Open Educational Resources? Different Theoretical Lenses for Conceptualizing Learning with OER. E-Learning and Digital Media, 10(2), 116. doi:10.2304/elea.2013.10.2.116
Pegler, C. (2013). The influence of open resources on design practice. In H. Beetham & R. Sharpe (Eds.), Rethinking Pedagogy for a Digital Age: Designing for 21st Century Learning (2nd ed.) (p. (In Press)). New York; London: Routledge. Retrieved from
Peter, S., & Deimann, M. (2013). On the role of openness in education: A historical reconstruction. Open Praxis, 5(1), 7–14. doi:10.5944/openpraxis.5.1.23
Peters, O., & Carl von Ossietzky Universität Oldenburg. Bibliotheks- und Informationssystem. (2002). Distance education in transition: new trends and challenges (5a ed revised.). Oldenburg, Germany: Bibliotheks- und Informationssystem der Universität Oldenburg.
Popenici, S. (2013). What Undermines Higher Education: and How This Impacts Employment, Economies and Our Democracies. CreateSpace Independent Publishing Platform.
Principios para diseñar los MOOC. Enfoque pedagógico desde la perspectiva del estudiante. (2013, May 8). Retrieved May 15, 2013, from
Pritchard S.M. (2013). MOOCs: An opportunity for innovation and research. Portal Portal, 13(2), 127–129.
Rathemacher, A. J. (2013). Developing Issues in Licensing: Text Mining, MOOCs, and More. Serials Review, 39(3), 205–210. doi:10.1016/j.serrev.2013.07.016
Realising the Potential of Peer-to-Peer Learning: Taming a MOOC with Social Media. (2013, May 7). Retrieved May 15, 2013, from
Reich, J. (n.d.). Is a MOOC a Textbook or a Course? Education Week – EdTech Researcher. Blog. Retrieved from
Richardson, W., & Mancabelli, R. (2011). Personal Learning Networks: Using the Power of Connections to Transform Education. Solution Tree.
Rizzardini, R. H., Chang, V., Gütl, C., & Amado-Salvatierra, H. (20130624). An Open Online Course with Accessibility Features. World Conference on Educational Multimedia, Hypermedia and Telecommunications 2013, 2013(1), 635–643.
Rodriguez, O. (2013). The concept of openness behind c and x-MOOCs (Massive Open Online Courses). Open Praxis, 5(1), 67–73. doi:10.5944/openpraxis.5.1.42
Rossi, R., & Mustaro, P. (20130325). Perspectives of Quality and Accreditation of MOOC. Society for Information Technology & Teacher Education International Conference 2013, 2013(1), 983–990.
Russomanno, D. J., & Bonnell, R. D. (1999). A pedagogical approach to database design via Karnaugh maps. IEEE Transactions on Education, 42(4), 261–270. doi:10.1109/13.804530
s.a. (2012, November 21). 11 plataformas MOOC para masificar el aprendizaje y transformar la formación en línea. Retrieved from
Santamaría, F. (2013, February). LOS MOOCs: un cambio de estrategia más que un hecho disruptivo. Relpe: red latinoamericana de portales educativos. Retrieved from
Selingo, J. J. (2013). College (un)bound: the future of higher education and what it means for students.
Smallwood, C., Harrod, K., & Gubnitskaia, V. (2013). Continuing education for librarians essays on career improvement through classes, workshops, conferences and more. Jefferson, North Caroloina: McFarland & Company, Inc., Publishers. Retrieved from
Stacey, P. (2013, May 11). The pedagogy of MOOCs. Paul Stacey, Musing on the edtech frontier. Blog. Retrieved from
Stoneman, P. (2010). Soft Innovation: Economics, Design, and the Creative Industries. Oxford, UK: Oxford University Press.
Survey of college plans for moocs. (2013). [New York]: Primary Research Group.
Terras, M. M., Ramsay, J., & Boyle, E. (2013). Learning and Open Educational Resources: a psychological perspective. E-Learning and Digital Media, 10(2), 161. doi:10.2304/elea.2013.10.2.161
The AlphaMOOC: Building a Massive Open Online Course One Graduate Student at a Time. (2013, May 8). Retrieved May 15, 2013, from
The Impact and Reach of MOOCs: A Developing Countries’ Perspective. (2013, May 8). Retrieved May 15, 2013, from
thead. (n.d.). A guide to open educational resources. Retrieved May 23, 2013, from
Torres, N. P. M. (2013). Embracing openness: the challenges of OER in Latin American education. Open Praxis, 5(1), 81–89. doi:10.5944/openpraxis.5.1.33
Universities UK. (2013). Massive open online courses: higher education’s digital moment? London. Retrieved from
Vaidhyanathan, S. (2012, July 6). What’s the Matter With MOOCs? Innovations. The Chronicle of Higher Education. Retrieved from
Vardi, M. Y. (2012). Will MOOCs destroy academia? Communications of the ACM, (11), 5.
Vázquez Cano, E. (2013). El videoartículo: nuevo formato de divulgación en revistas científicas y su integración en MOOCs. Comunicar: Revista científica iberoamericana de comunicación y educación, (41).
Veletsianos, G. (2013). Learner Experiences with MOOCs and Open Online Learning. Retrieved from
Waard, I. I. de. (2013). MOOC YourSelf – Set up your own MOOC for Business, Non-Profits, and Informal Communities (1st ed.). Inge Ignatia de Waard.
Waard, Ignatia/inge De. (2012, May 2). @Ignatia Webs: Selecting meaningful #socialmedia tools for a #MOOC or #PLN. @Ignatia Webs. Retrieved from
Waard, Ignatia/inge De. (n.d.). Explore a New Learning Frontier: MOOCs. Learning Solutions Magazine. Retrieved November 7, 2013, from
Waard, Inge De, Koutropoulos, A., Keskin, N. Ö., Abajian, S. C., Hogue, R., Rodriguez, C. O., & Gallagher, M. S. (2011). Exploring the MOOC format as a pedagogical approach for mLearning. mLearn 2011, 8.
What MOOCs Will Really Kill Is The Research University. (n.d.). Forbes. Retrieved July 29, 2013, from
White, S. (2013). Reflections on MOOCs after taking three courses: Strengths and weaknesses. Biochemistry and Molecular Biology Education, 41(4), 280–281. doi:10.1002/bmb.20703
Wikipedia contributors. (2013, June 5). Massive open online course. In Wikipedia, the free encyclopedia. Wikimedia Foundation, Inc. Retrieved from
Will MOOCs disrupt the current business plan in Higher Education? (n.d.). Retrieved June 16, 2013, from
Young, J. R. (2013). Beyond the MOOC Hype: A Guide to Higher Education’s High-Tech Disruption. The Chronicle of Higher Education. Retrieved from
Yuan, L., Mac⬚eill, S., & Kraan, W. (2008). Open Educational Resources – Opportunities  and challenges for higher education. Retrieved from
Yuan, L., & Powell, S. (2013). MOOCs and Open Education: Implications for Higher Education (No. 2013:WP01). Bristol: The JISC Centre for Educational Technology Interoperability Standards, Bolton Institute. Retrieved from
Zapata-Ros, M. (2013, February 24). MOOCs, una visión crítica y una alternativa complementaria: La individualización del aprendizaje y de la ayuda pedagógica. Preprint. Retrieved July 29, 2013, from
Zhang, Y. (20130624). Benefiting from MOOC. World Conference on Educational Multimedia, Hypermedia and Telecommunications 2013, 2013(1), 1372–1377.
Zhu, A. (2012). Massive Open Online Courses – A Threat Or Opportunity To Universities? SAPVoice. Retrieved from


Learning Analytics – Análisis del aprendizaje

Ayer tuve la ocasión de escuchar la conferencia de George Siemens que dió en Buenos Aires sobre la evolución del paradigma del conectivismo. En el le plantearon un peegunta (en la que tuve ocasión de formular también) y me alegre por la respuesta (que ya más veces lo ha planteado así Siemens), ya que baso mucho del cambio en los procesos analíticos del aprendizjae y en la ciberinfraestructura an la era del Big Data para poder llevar acabo movimiento de cambio en el sistema educativo. Pasamos hablar de ello de manera informal y como si se tratara de pequeños apuntes del análisis del aprendizaje (Learning Analytics) y el movimiento del yo quantificado / autocuantificación (otra rama del yo aumentado de manera analítica).

En este tema aprenderás los conceptos básicos sobre Análisis del aprendizaje, lo que significa analítica para el aprendizaje, cómo y por qué queremos analizar el aprendizaje, y lo que los datos sobre educación nos puede decir sobre el aprendizaje y los aprendices.
Los sistemas electrónicos de aprendizaje y plataformas sociales recogen una gran cantidad de información acerca de sus usuarios. Almacenan no sólo los perfiles y las contribuciones que introduce el usuario, sino también una gran cantidad de datos de registro que cubren las interacciones del usuario con el sistema. El análisis del aprendizaje hace la pregunta de cómo podemos utilizar estos datos para nuestro beneficio (lo auto como forma de aprendizaje a través de los datos recibidos). ¿Qué puede decirnos estos datos acerca del usuario? ¿Cómo podemos utilizar los datos y la información contenida en ellos para mejorar el aprendizaje?

El análisis del aprendizaje es un tema científico que dará mucho juego e interdisciplinariedad a la educación futura con dos fuerzas mayores: la propiamente académica y de extraer datos e interpretarlos para la mejora académica (tanto a nivel macro como micro) y la que es para mi modo de ver más interesante, como la posibilidad de mejorar del propio estudiante ante este aprendizaje sin límite y continúo, sin barreras y totalmente social. Para “el que aprende” (mejor que concepto estudiante) supone un feedback constante a sus logros, la trayectoria que he desarrollado a partir de investigaciones en análisis de redes y otras técnicas analíticas para la mejora del propio aprendiz. Supone un paso más allá en el empoderamiento y autonomía del aprendiz. Podría ser un nuevo “terremoto” en las instituciones educativas, pero no creo qeu vaya a ser así. Hay muchos intereses e inversiones para la ciberinfraestructura  en las plataformas tecnológicas para Análisis del aprendizaje. Eso si metodológicamente y teóricamente da nuevas dimensiones al concepto de (meta)aprendizaje y también en sus investigaciones interdisciplinares.

Análisis del aprendizaje como campo de conocimiento
El tema de análisis del aprendizaje es relevante para cualquier enfoque tecnológico que produce datos y conjuntos de datos. A partir de los datos, se extrae la información, que a su vez se convierte en (nuevo) conocimiento que se puede explotar de muchas maneras diferentes.
El análisis del aprendizaje como dominio de conocimiento se superpone con varias áreas de investigación similares, como la minería de datos educativos (campo interconectado con el aprendizaje analítico), también el  Machine Learning, Inteligencia empresarial (Business Intelligence) o los análisis de redes sociales (SN y SNA). A veces es difícil distinguir las diferencias, sino por el enfoque en el aprendizaje y por la focalización de la investigación.

Uso del análisis del aprendizaje
El análisis del aprendizaje  tiene como objetivo hacer visible para los usuarios la información invisible contenida en bases de datos educativos, para poder hacer un juicio más informado. Otro objetivo es procesar de forma inteligente los datos con el fin de predecir automáticamente recomendaciones de apoyo o el éxito o fracaso que pueda tener una comunidad de práctica o aprendizaje por sus insights. Aquí hay dos casos muestras de casos de uso del análisis del aprendizaje:

El profesor

Usando un Sistema de Gestión del Aprendizaje (LMS o VLE), un profesor puede obtener información del sistema sobre las actividades de los estudiantes del curso. Se pueden observar las actividades de carga y descarga de recursos de aprendizaje, publicaciones de discusión, intentos y resultados alcanzados por los estudiantes en tests. El análisis del aprendizaje les da una ventana para ver cómo los estudiantes están haciendo, cómo están comprometidos en el proceso de aprendizaje, y dónde pueden tener obstáculos o problemas. Las visualizaciones pueden identificar a los estudiantes que no rinden como se esperaba, lo que permite que los profesores investiguen con los respectivos alumnos, e intervengan con medidas correctivas apropiadas.
En este caso de uso, un profesor puede ver el proceso de aprendizaje y la participación de la clase en su conjunto, mientras que al mismo tiempo puede identificar posibles abandonos.

El aprendiz

Un aprendiz profesional en una red de aprendizaje utilizando una plataforma social web 2.0 puede ver no sólo cuáles son los recursos populares, sino que también puede recibir recomendaciones en función de sus intereses y lecturas. Además, mediante la aplicación de un componente de calificación social permite que el análisis del aprendizaje identifique los recursos que los amigos del aprendiz han valorado altamente. Utilizando el análisis de redes sociales (ARS) los recursos y las personas pueden estar vinculados, y permiten predecir y recomendar recursos interesantes para aprendices concretos sobre la base de lo que miran sus contactos.


En esta sección se tratan los aspectos teóricos y perspectivas sobre el análisis del aprendizaje. Se compone de dos secciones principales: (a) las definiciones de análisis de aprendizaje, y (b) el marco del análisis del aprendizaje. La intención es obtener una mejor comprensión de lo que es el análisis del aprendizaje, y qué elementos son críticos, cómo se relacionan con otros campos de investigación o cómo difiere de ellos.
Para empezar en los conceptos teóricos del análisis del aprendizaje, echa un vistazo a la siguiente presentación de George Siemens. Da un buen panorama introductorio del análisis del aprendizaje y es una buena base para seguir estudiando.

Definiciones emergentes de análisis del aprendizaje

Poco a poco está evolucionando una comprensión común del análisis del aprendizaje. Hay varios enfoques iniciales para definirlo. Una forma es a partir de una hoja de papel en blanco y tratar de capturar lo que abarca el análisis del aprendizaje.
George Siemens tiene esta descripción que se cita más a menudo:

El análisis del aprendizaje es el uso de datos inteligentes, datos producidos por el aprendiz y modelos de análisis para descubrir información y conexiones sociales y predecir y asesorar sobre el aprendizaje.

* El informe  Horizon 2011usa esta redacción:

El análisis del aprendizaje se refiere a la interpretación de una amplia gama de datos producidos por y reunidos en favor de los estudiantes con el fin de evaluar el progreso académico, predecir el rendimiento futuro y detectar posibles problemas.

* En el contexto del congreso 2011 Learning and Knowledge Analytics (LAK11) se dice:

El análisis del aprendizaje es la medición, recopilación, análisis y presentación de datos sobre los aprendices y sus contextos, a efectos de entender y optimizar el aprendizaje y el entorno en que se produce.

* Nuestra propia definición está en general de acuerdo con los enfoques anteriores y de algunos de las referencias citadas al final, pero tiene una visión especial sobre los beneficios para el aprendiz.

El análisis del aprendizaje utiliza conjuntos de datos educativos de los sistemas digitales de aprendizaje, administración y sociales para analizar la posición del aprendiz y para beneficio y automejorar la eficacia del aprendizaje a través de la retroalimentación/feedback y la predicción.

Otra manera de definir el dominio es para diferenciarlo de disciplinas de investigación similares. La pregunta que debemos hacernos es ¿cómo difiere el análisis del aprendizaje (LA)  de la minería de datos educativos (Educational Data Mining, EDM), el aprendizaje automático, o el análisis de negocios educativos?

¿Cuál es la diferencia entre LA y EDM?
Siemens otra vez resumió esta relación como parental. Él considera que la EDM cubre el análisis del aprendizaje, así como el análisis académico, que él describe como los datos sobre el aprendizaje y datos sobre cosas relacionadas con el aprendizaje, como la administración, la investigación, etc. En nuestro modelo de marco, consideramos la EDM como uno de los posibles métodos que se pueden utilizar para el análisis del aprendizaje, pero no el único. El análisis de redes sociales, por ejemplo, sería otro método que se puede aplicar.

Diferencia entre LA e inteligencia empresarial
Otra cuestión clave es la diferencia entre análisis del aprendizaje y las técnicas de inteligencia empresarial. Divergemos del término análisis del aprendizaje en la medida en que lo consideramos demasiado impreciso para describir lo que contiene. Por lo general, se considera que abarca todo tipo de datos de organización, administrativos o de negocios. Sin embargo, nos gustaría diferenciar más precisamente entre análisis de negocios educativos (EBA) [Educational Business Analytics] y Análisis de Aprendizaje [Learning Analytics].

En esta distinción, el análisis del aprendizaje analiza los datos y la información que estrictamente se refiere al proceso de aprendizaje, incluyendo los datos de rendimiento. El análisis de negocios educativos sigue una estructura muy similar, pero utiliza los datos relacionados con el aprendizaje, administrativos y de negocios. Ejemplos de conjuntos de datos para EBA son los datos del libro de calificaciones (para la concesión de grados), los datos de los antecedentes de los estudiantes (por ejemplo, su lengua materna), o los datos de investigación (por ejemplo, índice de cotización/citas bibliográficas entre papers [quotation]).

Marco [framework] del análisis del aprendizaje

El tópico análisis del aprendizaje está estructurado en seis dimensiones fundamentales, mostradas en el diagrama de abajo. Cada una de estas dimensiones tiene instanciaciones que se ejemplifican en los ítems del rectángulo interior. Éstos son sólo ejemplos típicos y no una lista completa de posibles instanciaciones. En esta comunidad tópico usamos estas dimensiones y subdivisiones como mecanismo de etiquetado para categorizar nuevos ítems, tópicos de debate, posts de blogs y recursos de aprendizaje.

Las seis dimensiones son:
(a) Partes interesadas o stakeholders;

(b) Metas u objetivos;

(c) datos educativos;

(d) Métodos y tecnologías;

(e) Restricciones;

(f) Competencias.
Hay una presentación en slideshare que es bastante interesante al respecto.

Partes interesadas o actores del análisis del aprendizaje

Quiénes son los stakeholders del proceso de análisis del aprendizaje. Distinguimos dos tipos de partes interesadas: (1) Los sujetos/titulares de los datos y (2) los clientes de los datos.

Los sujetos de los datos son las acciones de las personas que están siendo analizadas, mientras que los clientes de datos son los que se benefician del análisis.
Ambos tipos de partes interesadas se puede llenar con cualquier persona o grupos, e incluso organizaciones enteras. Para que el análisis del aprendizaje cumpla su papel, por lo general los sujetos de los datos serían aprendices o grupos de aprendices, tales como clases. Sin embargo, cuando pensamos en organizaciones de aprendizaje, también podemos abarcar toda una institución o empresa. En la práctica, esto significa que las acciones del aprendiz  y el progreso se capturan registran y analizan.
Los clientes de datos son las personas que reciben la información que el análisis revela. En un ejemplo práctico típico, los profesores serían los clientes de los datos, para que puedan ver cómo están progresando sus estudiantes. En otro caso de uso, los estudiantes pueden ver su propia información, para que puedan reflexionar sobre sus actividades.

Objetivos del análisis del aprendizaje

El análisis del aprendizaje, dependiendo del diseño de aprendizaje en sus nuevas formas, servirá a un gran número de objetivos y metas de aprendizaje. Es importante diseñar el proceso de análisis con los objetivos bien claros.
Dos diferencias fundamentales en los objetivos son la reflexión y la predicción (relación con las técnicas del «análisis predictivo«). El primero permite a los estudiantes mirar su propio desempeño y ver cómo lo están haciendo (lo auto que comentaba más arriba), mientras que el segundo trata de predecir lo que podría hacerlo después. Esto es especialmente útil para personalizar la experiencia de aprendizaje, por ejemplo, mediante la sugerencia de los materiales de aprendizaje personales o trayectorias de aprendizaje, con base en lo que los aprendices ya saben.
Un ejemplo práctico comparable para los objetivos reflexivos sería una herramienta para la pérdida de peso que muestre el consumo diario de calorías en base a lo que se come y bebe. Con el uso de un panel de aprendizaje, la información sobre el consumo de calorías puede informar al usuario sobre cómo lo está haciendo en relación con el objetivo de perder peso.

Datos educativos

Los conjuntos de datos educativos son fundamentales para el análisis del aprendizaje. Cualquier resultado reflejará los datos en que se basa. A partir de los datos en bruto, que a menudo no son fáciles de leer (se debe tener competencia en visualizar y ver resultados «invisibles» u ocultos como pasa en un grafo social), las herramientas de análisis están extrayendo  información significativa que se pueda presentar al usuario (serán lso paneles del futuro en términos autoevaluativos). Aparte de cuadros estadísticos, visualizaciones ricas a menudo se utilizan para presentar los resultados y la información para el usuario final.
Hay diferentes tipos de conjuntos de datos de los cuales los más importantes son los siguientes:
Datos personales: datos sobre el individuo, tales como nombre, dirección, edad, etc.
Datos de interacción: datos sobre el comportamiento del usuario en el sistema, que pueden incluir mensajes en los foros, clasificaciones de estrellas, etc.
Datos de navegación: datos de navegación del usuario en el sistema, que enlaces siguió, mapas de calor/riesgo, etc.
Datos relacionales: conexiones relacionadas con el usuario: amigos, seguidores, a quién sigue, los recursos relacionados, etc. Técnicas de Análisis de Redes  Sociales (ARS).
Datos de contexto: datos que muestran el contexto el usuario está actualmente en: datos de ubicación, datos de sensores (movimiento, velocidad, etc.), etc.

Datos textuales: textos creados pro los propios aprendices que son evaluados con téccnicas de minería de forma transparente. Es lo que llamanos el Text Mining.
Los diferentes tipos de datos pueden disfrutar de diferentes niveles de protección y apertura. Los datos personales, por ejemplo, están legalmente protegido por las leyes de protección de datos. Los contextuales y relacionales pueden estar sujetos a normas de privacidad.

Apertura de los datos

Un punto de debate actual es la apertura y la disponibilidad de los datos educativos. La apertura de los datos es importante para compartirlos entre los investigadores con el fin de probar y confirmar los experimentos en diferentes entornos. La anonimización es un método que admite el intercambio de datos.
Cuestiones técnicas para el intercambio de datos son las siguientes:
Formato de datos: los formatos estandarizados son más fáciles de compartir y reutilizar
Historial de la versión: ¿cómo un cambio de conjunto de datos en el tiempo?
Descripción de los datos: ¿cuál fue el propósito de recoger el conjunto de datos? ¿cómo se usaron los datos?
Metainformación: autor, herramienta del colector, etc. Esta información es importante para hacer búsquedas en bases de datos

Análisis de métodos de aprendizaje
Hay que tener en cuenta la focalización de la investigación, aunque se puede usar y mezclar diferentes formas y maneras de forma algorítmica. Como parte del marco es de destacar que el método respectivo elegido (teoría, tecnología, algoritmo) determinará los resultados. Cada método incluye temas complejos relacionados con la precisión y el sesgo.
Los problemas de precisión pueden afectar a la aceptación por parte de los usuarios del servicio que se proporciona. En términos generales, un resultado preciso al 70%  puede ser excelente desde un punto de vista técnico, pero insuficiente desde el punto de vista del usuario. Por otro lado, si aún no hay ningún servicio disponible comparable, los usuarios podrían apreciar un nuevo servicio incluso si su exactitud no es 100%.
El sesgo incluye los supuestos que un desarrollador utiliza sobre sus usuarios. El sesgo está inherentemente diseñado en todos los sistemas, pero afectará a los resultados. Los usuarios tienen que ser conscientes del sesgo que muestra el sistema. A veces, los controles de calibración y el control de usuario pueden aliviar algunos de los sesgos.

En la dimensión «Restricciones» incluimos los aspectos que limitan la aplicación del beneficio del análisis del aprendizaje. Los problemas que pueden impactar directa o indirectamente a la aceptación o el efecto de los servicios del análisis del aprendizaje. Algunas de las limitaciones son las barreras (por ejemplo, las normas legales), otras son cuestiones más suaves que se relacionan con las preferencias de una persona (por ejemplo, los niveles de tolerancia) y disposición.
Los temas principales de esta dimensión son:

  • Requisitos legales con respecto a los que son trackeados.
  • Privacidad
  • Ética

Requisitos legales

Las restricciones legales en materia de análisis del aprendizaje son, por ejemplo, la protección de datos y los derechos de autor. Los datos que identifican a una persona están estrictamente protegidos en la mayoría de países occidentales, y el acceso a estos datos tiene que ser solicitada específicamente por la persona en cuestión. Los derechos de autor y la propiedad intelectual (IPR), por otro lado, limitan el intercambio de conjuntos de datos recogidos por herramientas propietarias. De hecho, la comunidad de intercambio de datos está investigando posibles maneras de aplicar licencias de distribución de conjuntos de datos para hacerlos reutilizables más ampliamente.


El análisis del aprendizaje y otros servicios de datos plantean serias dudas acerca de la privacidad de las personas. Aunque no protegidos tan rotundamente como los datos personales, el derecho a la privacidad es un principio fundamental para una sociedad democrática. Las regulaciones de privacidad incluyen entre otras cosas, el derecho a ser dejado solo o el derecho a formar su propia opinión. Dado que las tecnologías cada vez más recogen datos sobre el paradero, la conducta y los sentimientos de las personas, se perciben cada vez más como intrusión en la vida privada. A medida que la economía de datos evoluciona, tenemos que hacer la pregunta: ¿quién posee los datos de acciones y pensamientos de una persona?


Aplicar el análisis del aprendizaje en beneficio del aprendiz y otras partes interesadas, puede ser el objetivo original de los diseñadores del sistema, pero no hay garantía de que esto esté sucediendo realmente en la forma prevista. Ya que el análisis de los datos revela información acerca de personas o grupos de personas con características similares, puede dar lugar a prejuicios y discriminaciones confirmados en lugar de ayuda y apoyo. No hay forma real de proteger contra la información acerca de que una persona esté siendo utilizada como un mecanismo para ejercer presión con el fin de manipular en cierto comportamiento. Por lo tanto, tenemos que ser conscientes de que la libertad personal y la creatividad pueden sufrir.


El despliegue beneficioso de servicios de análisis del aprendizaje requiere algunas competencias de alto nivel en el grupo de usuarios objetivo. Los resultados no deben tomarse superficialmente, cuestionados críticamente. La evaluación de los resultados presentados, que a menudo se sitúan en una interfaz agradable y brillante, no es fácil, sobre todo porque los métodos subyacentes (véase allí) no son transparentes en los resultados. Para aclarar este punto, tomemos el ejemplo presentado con el número 4. Esto puede ser el resultado de una adición (2 +2), resta (6-2) o incluso un nivel de cálculo más alto (2 al cuadrado). Aún es más irritante si el resultado se basa en un cálculo erróneo (5-3, por supuesto, no es igual a 4). Así que ser crítico y exigente en cuanto a la forma en que se obtienen los resultados nunca es malo.
Entre las competencias clave necesarias para el uso beneficioso del análisis del aprendizaje están las siguientes:

  • habilidades de pensamiento crítico
  • habilidades de evaluación
  • alfabetización digital
  • autodirección y autoaprendizaje

Métodos de análisis del aprendizaje

En “método” entendemos el enfoque técnico y teórico en el que se basa el proceso de análisis. Esto incluye:




Ejemplos de fundamentos teóricos son las diversas teorías pedagógicas, pero también pueden proceder de diferentes ámbitos como la teoría del caos, el conectivismo o Teoría del Actor-Red.
Los algoritmos son el conductor de una tecnología en particular usando variables específicas, indicadores y puntos de activación. Están específicamente diseñadas y probadas fórmulas matemáticas que convierten números y otros datos en información útil.
Una variedad de tecnologías son de importancia para el análisis del aprendizaje. Algunas de ellas, de las que hemos hecho referencia:

  • La minería de datos
  • El aprendizaje automático
  • El análisis de redes
  • Estadística
  • Técnicas de sensores

El análisis del aprendizaje se extiende por todo el ámbito y el alcance de la actividad en la educación superior, que afectan a los recursos de administración, investigación, enseñanza y aprendizaje, y el apoyo. La universidad, por lo tanto, debe convertirse en una más intencional, la organización inteligente, con datos, pruebas y análisis que juegan un papel central en esta transición.
Cómo el Big Data (y también lo analítico por extensión) y el análisis de aprendizaje puede influir y cambiar el paradigma actual en Educación Superior, tal como nos comentan George Siemens y Phil Long:

  1. Se puede mejorar la toma de decisiones administrativas y de organización asignación de recursos.

  2. Se puede identificar a los alumnos de riesgo y proporcionar una intervención para ayudar a los estudiantes para lograr el éxito. Mediante el análisis de los mensajes enviados de discusión, tareas completadas, y los mensajes leídos en el LMS como Moodle y Desire2Learn, los educadores pueden identificar a los estudiantes que están en riesgo de abandonar out.13

  3. Pueden crear, a través de información transparente y analítica, con una comprensión compartida de los éxitos de la institución  y  que

  4. ..desafíos pueden innovar y transformar el sistema de universitario, así como los modelos académicos y los enfoques pedagógicos.

  5. Ellos pueden ayudar a dar sentido a los temas complejos a través de la combinación de las redes sociales y las redes técnicas y de información: es decir, los algoritmos pueden reconocer y proporcionar información sobre los datos y los desafíos a solucionar (se hace visibles problemas latentes).

  6. Ellos pueden ayudar a la transición a los líderes holístico y distribuidos a la  toma de decisiones a través de análisis de escenarios hipotéticos y la experimentación para explorar cómo diferentes elementos dentro de una disciplina compleja (por ejemplo, los estudiantes de contención, la reducción de costos) la conexión y para explorar el impacto del cambio de los elementos básicos.

  7. Se puede aumentar la productividad de la organización y la eficacia al proveer información actualizada y permitiendo una respuesta rápida a los desafíos.

  8. Ellos pueden ayudar a los líderes institucionales a determinar o resolver asuntos grandes y pesados (por ejemplo, las patentes, la investigación) o de carácter más suave (por ejemplo, , la reputación, el perfil, la calidad de la enseñanza) por el valor generado de las actividades del propio cuerpo docente.

  9. Ellos pueden proporcionar a los estudiantes con la información sobre sus hábitos de aprendizaje propios y puede dar recomendaciones para su mejora. El aprendizaje-que se enfrentan los análisis) para comprobar la actividad, permite a los estudiantes a «comparar su propia actividad. . . en contra de un resumen anónimo de sus compañeros del curso.

Dejó la presentación que he presentado en “1er Summer Course en redes sociales y 1er workshop de investigación en análisis de redes sociales” y he intentando dar unos apuntes sobre este estadio emergente del aprendizaje:

Una infrografía explicativa:

Fuente: Learning Analytics: Leveraging Education Data – An infographic by the team at Open Colleges


Ali, L., Hatala, M., Gašević, D., & Jovanović, J. (2012). A qualitative evaluation of evolution of a learning analytics tool. Computers & Education, 58(1), 470–489. Retrieved from

Atkisson, M., & Wiley, D. (2011). Learning analytics as interpretive practice. Proceedings of the 1st International Conference on Learning Analytics and Knowledge – LAK  ’11 (p. 117). New York, New York, USA: ACM Press. Retrieved from

Bader-Natal, A., & Lotze, T. (2011). Evolving a learning analytics platform. Proceedings of the 1st International Conference on Learning Analytics and Knowledge – LAK  ’11 (p. 180). New York, New York, USA: ACM Press. Retrieved from

Bakharia, A., & Dawson, S. (2011). SNAPP. Proceedings of the 1st International Conference on Learning Analytics and Knowledge – LAK  ’11 (p. 168). New York, New York, USA: ACM Press. Retrieved from

Blikstein, P. (2011). Using learning analytics to assess students’ behavior in open-ended programming tasks. Proceedings of the 1st International Conference on Learning Analytics and Knowledge – LAK  ’11 (p. 110). New York, New York, USA: ACM Press. Retrieved from

Buckingham Shum, S., & Deakin Crick, R. (2012, March 7). Learning dispositions and transferable competencies: pedagogy, modelling and learning analytics. Retrieved from

Cacciamani, S., Cesareni, D., Martini, F., Ferrini, T., & Fujita, N. (2012). Influence of participation, facilitator styles, and metacognitive reflection on knowledge building in online university courses. Computers & Education, 58(3), 874–884. Retrieved from

Conference Chair-Long, P., Conference Chair-Siemens, G., Program Chair-Conole, G., & Program Chair-Gašević, D. (2011). Proceedings of the 1st International Conference on Learning Analytics and Knowledge. Retrieved from

De Liddo, A., Shum, S. B., Quinto, I., Bachler, M., & Cannavacciuolo, L. (2011). Discourse-centric learning analytics. Proceedings of the 1st International Conference on Learning Analytics and Knowledge – LAK  ’11 (pp. 23–33). New York, New York, USA: ACM Press. Retrieved from

Duval, E. (2011). Attention please! Proceedings of the 1st International Conference on Learning Analytics and Knowledge – LAK  ’11 (pp. 9–17). New York, New York, USA: ACM Press. Retrieved from

Ferguson, R. (2012). The State of Learning Analytics in 2012: A Review and Future Challenges. Retrieved from

Ferguson, R., & Shum, S. B. (2011). Learning analytics to identify exploratory dialogue within synchronous text chat. Proceedings of the 1st International Conference on Learning Analytics and Knowledge – LAK  ’11 (p. 99). New York, New York, USA: ACM Press. Retrieved from

Fournier, H., Kop, R., & Sitlia, H. (2011). The value of learning analytics to networked learning on a personal learning environment. Proceedings of the 1st International Conference on Learning Analytics and Knowledge – LAK  ’11 (p. 104). New York, New York, USA: ACM Press. Retrieved from

Haythornthwaite, C. (2011). Learning networks, crowds and communities. Proceedings of the 1st International Conference on Learning Analytics and Knowledge – LAK  ’11 (pp. 18–22). New York, New York, USA: ACM Press. Retrieved from

Haythornthwaite, C., de Laat, M., & Dawson, S. (2012). Introduction to Learning Analytics and Networked Learning Minitrack. 2012 45th Hawaii International Conference on System Sciences (pp. 3357–3357). IEEE. Retrieved from

Learning analytics and complexity | The Weblog of (a) David Jones on (n.d.). Retrieved July 31, 2012, from

Leony, D., Pardo, A., de la Fuente Valentín, L., de Castro, D. S., & Kloos, C. D. (2012). GLASS. Proceedings of the 2nd International Conference on Learning Analytics and Knowledge – LAK  ’12 (p. 162). New York, New York, USA: ACM Press. Retrieved from

Lockyer, L., & Dawson, S. (2011). Learning designs and learning analytics. Proceedings of the 1st International Conference on Learning Analytics and Knowledge – LAK  ’11 (p. 153). New York, New York, USA: ACM Press. Retrieved from

Pardo, A., & Kloos, C. D. (2011). Stepping out of the box. Proceedings of the 1st International Conference on Learning Analytics and Knowledge – LAK  ’11 (p. 163). New York, New York, USA: ACM Press. Retrieved from

Petrushyna, Z., Kravcik, M., & Klamma, R. (2011). Learning Analytics for Communities of Lifelong Learners: A Forum Case. 2011 IEEE 11th International Conference on Advanced Learning Technologies (pp. 609–610). IEEE. Retrieved from

Romero-Zaldivar, V.-A., Pardo, A., Burgos, D., & Delgado Kloos, C. (2012). Monitoring student progress using virtual appliances: A case study. Computers & Education, 58(4), 1058–1067. Retrieved from

Siemens, G. (2012). Learning analytics. Proceedings of the 2nd International Conference on Learning Analytics and Knowledge – LAK  ’12 (p. 4). New York, New York, USA: ACM Press. Retrieved from

Siemens, G., & Baker, R. S. J. d. (2012). Learning analytics and educational data mining. Proceedings of the 2nd International Conference on Learning Analytics and Knowledge – LAK  ’12 (p. 252). New York, New York, USA: ACM Press. Retrieved from

The NMC Horizon Report: 2012 Higher Education Edition. (n.d.).New Media Consortium. Retrieved from

Vatrapu, R. (2011). Cultural considerations in learning analytics. Proceedings of the 1st International Conference on Learning Analytics and Knowledge – LAK  ’11 (p. 127). New York, New York, USA: ACM Press. Retrieved from

Vatrapu, R., Teplovs, C., Fujita, N., & Bull, S. (2011). Towards visual analytics for teachers’ dynamic diagnostic pedagogical decision-making. Proceedings of the 1st International Conference on Learning Analytics and Knowledge – LAK  ’11 (p. 93). New York, New York, USA: ACM Press. Retrieved from

Más desde mi Bookends:

Blikstein, P. (2011). Using learning analytics to assess students’ behavior in open-ended programming tasks. Actas de Proc. of the Learning Analytics Knowledge Conference, Banff,. Recuperado de

Lytras, M. D., Pablos, P. O. d., Damiani, E., Avison, D., Naeve, A., & Horner, D. G. (Eds.). (2009). Best Practices for the Knowledge Society. Knowledge, Learning, Development and Technology for All: Second World Summit on the Knowledge Society, WSKS 2009 Chania, Crete, Greece, September 16-18, 2009 Proceedings (Vol. 49). Berlin: Springer.

Shum, S. B., & Ferguson, R. (2012). Social learning analytics. Available as: Technical Report KMI-11-01, Knowledge Media Institute, The Open University, UK.

Siemens, G. (2010). What are Learning Analytics? Recuperado el 24 de septiembre del 2010 en

Siemens, G. (2010). What are learning analytics. Retrieved March, 10, 2011.

Veletsianos, G. (Ed.). (2010). Emerging Technologies in Distance Education. Athabasca, CA: AU Press.

El uso de Twitter en la investigación universitaria, la enseñanza y el impacto en las investigaciones: una guía para los académicos e investigadores (ampliación y actualización)

Como muestra de lo que se dará, pongo a vuestra disposición un documento traducido por @chiti y por un servidor sobre «El uso de Twitter en la investigación universitaria, la enseñanza y el impacto en las investigaciones: una guía breve para académicos e investigadores» (ampliado con muchas más referencias que tiene el original) de  LSE Research Online y licencia CC, la misma que el original al ser traducción.
En este documento podrás encontrar:

  • La construcción y gestión del perfil de Twitter.
  • El uso de Twitter para maximizar el impacto en los proyectos de investigación.
  • Sacar el máximo partido de Twitter junto con su propio blog.
  • El uso de cuentas relacionadas con los estudiantes.
  • Una guía paso a paso para añadir un feed de Twitter para Moodle.
  • Recursos adicionales y enlaces a las entradas del blog y artículos en los blogs académicos y de impacto.

Espero que les guste y me digan su opinión de este documento. Perdonen las molestias por la actualización (sólo se puede ver desde aquí):

Curso sobre Redes Sociales en Educación #unileon

Los días 17 y 18 de noviembre doy un curso sobre redes sociales en educación, tratando determinadas plataformas de redes específicas para Educación Superior, así como un repaso breve de las generalistas.

Los contenidos estarán centrados en la utilidad metodológica y también a nivel de investigación:

*1A. Introducción al concepto de red social para educación. Principios

*1B. El mundo y usos de las redes sociales en España en Educación Superior

*2A. El trabajo en redes sociales. Cómo integrar, subgrupos, comunidades, prácticas de ABP (Aprendizaje basado en problemas), evaluación y rúbricas.

*2B Uso de Twitter en Educación Superior. Creación y administración de redes con Mixxt, Grouply y Ning, Google+, Diáspora. Las relacionadas con educación: Schoology, Edmodo

*2C Integración de en otras web y plataformas de aprendizaje: widgets.

Metodología de exposición y colaborativa por grupos de manera presencial y síncrona. Por el poco tiempo que dispongo no seré muy prolífico. Por ello dejaré en el curso documentos como el de Twitter que aparece al final de este post. Habrá prácticas en algún sitio de red social nombrado arriba.



Futuras estructuras en Educación Superior

Según los autores del libro de «Homo Zappiens», Wim Veen y Jan-Paul van Staalduinen hablan del posible futuro de la universidades como corporaciones abiertas e interrelacionadass con otros elementos en red:

El Homo Zappiens y su cultura red global y actuación tendrán su influencia en las instituciones de educación superior. Las instituciones de educación superior evolucionarán hacia instituciones que funcionarán como hubs interconectados y redes de conocimiento, dando servicio a los estudiantes que trabajan en comunidades fluidas de investigación o aprendizaje sobre temas de su interés. Las instituciones de educación superior ofrecerán oportunidades flexibles para el aprendizaje individualizado. Hasta donde estén interesados en programas iniciales, los estudiantes se comprometerán con configuraciones de aprendizaje específicas que les darán créditos estandarizados para diplomas altamente especializados. Habrá que viajar menos a medida que se pueda obtener el aprendizaje en una mezcla de actividades off y online. La tecnología ayudará a reducir la escasez de presencia que aún está limitando nuestras posibilidades para representarnos virtualmente a nosotros mismos en la actualidad. Los hologramas tridimensionales darán la posibilidad de viajar virtualmente sin tener que desplazarse físicamente. La flexibilidad en oportunidades de aprendizaje generará un enfoque distinto para el uso del contenido. El contenido estará accesible principalmente en centros open source y el software proporcionará posibilidades fáciles de encontrar rápida y adecuadamente lo que estemos buscando. El contenido será generado en gran medida por el usuario, investigadores, profesores y estudiantes del mismo modo contribuirán al cuerpo de conocimiento. Sistemas de evaluación por pares asegurarán calidad, reduciendo la influencia de empresas editoriales. Una consecuencia es que los profesores combinarán sus actividades presenciales con otras de presencia virtual para la enseñanza y debate con estudiantes. El aprendizaje permanente se convertirá en una parte integral de la vida laboral de los individuos, igual que las redes continuarán existiendo entre la industria y la educación superior. En la medida en que estén interesadas, las universidades participaran en laboratorios de investigación virtual en los que colaborarán investigadores de distintas instituciones. Sus resultados alimentarán la colaboración con la industria, en donde los antiguos alumnos continuarán siendo parte de las redes académicas. Esta visión podría verse como un escenario que no es totalmente real. Sin embargo, hay fuertes desarrollos tales como la globalización, comunidades virtuales que comparten conocimiento y especialización entre instituciones científicas a nivel global, apuntando hacia estructuras que hará de cualquier universidad que no participe en este progreso mundial. una escuela local o regional aislada.

Las universidades serán como «galerías de aprendizaje» y «estudios de investigación virtual», accesibles para cualquiera desde cualquier parte y apreciadas por los estudiantes de acuerdo a su reputación científica. Los estudiantes se apuntarán y trabajarán dentro de comunidades virtuales o irán a otra parte, construyendo así su profesionalismo, en muchos casos en íntima colaboración con la industria. La educación superior llegará a ser una red de aprendizaje extensa, fluida, de universidades en la que las personas forman parte de comunidades constantemente cambiantes asistiendo y dejando distintas universidades para cursos individuales. Seguir esos cursos no significa estar leyendo un libro online o ver algún video en streaming, sino ofrecerse voluntariamente para proyectos en una comunidad de aprendizaje. Esos proyectos giran en torno a a la resolución de un problema específico a través de un debate o de la escritura de un artículo científico. ¡Cada proyecto tiene un producto final! Esto significa que cambiará el enfoque pedagógico. El aprendizaje futuro se referirá al conocimiento exteriorizado de los participantes cada uno con su parte, y construyendo nuevo conocimiento a través de la comunicación.
Cada vez más, la educación superior tendrá el centro de atención en la resolución de problemas (prácticos) en empresas y otras organizaciones, haciendo que éstas sean nodos de la red de aprendizaje mayor. Finalmente, habrá una convergencia de aprendizaje, significando que la gente hará la mayor parte de su aprendizaje en el trabajo y en el contexto de su trabajo. El futuro de la educación superior es un futuro en el que el aprendizaje no se podrá separar de la práctica profesional: ni siquiera para las personas que estudian alemán medieval.

Veen, W., & Staalduinen, J.-P. v. (2010). The Homo Zappiens and its Consequences for Learning in Universities. In U.-D. Ehlers & D. Schneckenberg (Eds.), Changing Cultures in Higher Education: Moving Ahead to Future Learning. Berlin: Springer.

« Entradas anteriores