Análisis de datos en el diseño de cursos en línea y la participación estudiantil
DOI:
https://doi.org/10.46502/issn.1856-7576/2025.19.03.9Palabras clave:
Análisis de aprendizaje, aprendizaje en línea, diseño de cursos, participación estudiantil, Blackboard LMS, educación superiorResumen
Este estudio aplica el análisis de datos a la mejora del diseño de cursos en línea y los resultados de aprendizaje de los estudiantes universitarios. Los estudios existentes se centran en los aspectos técnicos de las analíticas de aprendizaje y descuidan las comparaciones entre las percepciones de estudiantes y docentes, además de prestar poca atención a su impacto en la calidad de los cursos en línea. Este estudio busca subsanar estas deficiencias explorando las experiencias de los usuarios con las herramientas de analítica del sistema Blackboard en la Universidad de la Frontera Norte. También busca comprender cómo estas experiencias impactan sus percepciones sobre la calidad del diseño de cursos en línea. Se aplicó un enfoque analítico descriptivo de un método mixto en una encuesta a 160 estudiantes, 160 docentes, 5 estudiantes y 5 instructores. Los datos cuantitativos midieron la satisfacción, la participación y el uso de las herramientas de analítica de Blackboard LMS. Por el contrario, las entrevistas cualitativas con estudiantes y docentes indagaron sobre las percepciones, experiencias y recomendaciones para mejorar el diseño de los cursos. Los resultados muestran una fuerte relación entre los elementos de diseño interactivo y la mejora de la participación y los resultados. El profesorado y los estudiantes destacaron varias barreras, como la capacitación limitada y la infrautilización de los paneles analíticos. Los hallazgos sugieren estrategias prácticas para integrar la analítica de datos en el diseño del aprendizaje en línea. Las recomendaciones incluyen capacitación del personal docente, paneles de control mejorados y reformas de políticas para fomentar una pedagogía basada en datos.
Citas
Albazie, H.A. (2023). Factors affecting the use of e-learning in Saudi Arabia: An analysis of academics’ perspectives (Unpublished thesis PhD), University of Glasgow.
Alenezi, M. (2021). Deep dive into digital transformation in higher education institutions. Education Sciences, 11(12), 770. https://doi.org/10.3390/educsci11120770
Al Fraidan, A., & Alelaiwi, M. (2024). Digital transformation for sustainable English language learning: Insights from Saudi Arabia and global perspectives. Forum Linguistic Studies, 6(6), 439–449. https://doi.org/10.30564/fls.v6i6.7754
Alzahrani, A., & Alzahrani, A. (2025). Understanding ChatGPT adoption in universities: The impact of faculty TPACK and UTAUT2. RIED-Revista Iberoamericana de Educación a Distancia, 28(1), 37–58. https://doi.org/10.5944/ried.28.1.41498
Ayre, J., & McCaffery, K.J. (2022). Research Note: Thematic analysis in qualitative research. Journal of Physiotherapy, 68(1). Available at: https://acortar.link/qAKYsa
Bradley, V.M. (2021). Learning Management System (LMS) use with online instruction. International Journal of Technology in Education, 4(1), 68–92. Available at: https://eric.ed.gov/?id=EJ1286531
Brzezinski, Z. (1970). La era tecnotrónica. Barcelona: Paidós.
Cacioppo, S. (2019). Evolutionary theory of social connections: Past, present, and future. Ninety-ninth Annual Convention of the Western Psychological Association, Pasadena, CA, United States. Available at: https://westernpsych.org/wp-content/uploads/2019/04/WPA-Program-2019-Final-2.pdf
Carey, B. (2019). Can we get better at forgetting? The New York Times. Available at: https://www.nytimes.com/2019/03/22/health/memory-forgetting-psychology.html
Chalmers, J., & Cowdell, F. (2021). What are quantitative and qualitative research methods? A brief introduction. Dermatological Nursing, 20(2), 45.
Drost, E.A. (2011). Validity and Reliability in Social Science Research. Education Research and Perspectives, 38, 105-123. https://acortar.link/NZc965
Fahd, K., & Miah, S.J. (2023). Designing and evaluating a big data analytics approach for predicting students’ success factors. Journal of Big Data, 10(1), 159. https://doi.org/10.1186/s40537-023-00835-z
García Aretio, L. (1999a). Fundamento y componentes de la educación a distancia. RIED. Revista Iberoamericana de Educación a Distancia, 2(2), 28–39. https://hdl.handle.net/20.500.14468/11298
García Aretio, L. (1999b). Historia de la educación a distancia. RIED. Revista Iberoamericana de Educación a Distancia, 2(1), 11–40. https://doi.org/10.5944/ried.2.1.2084.
Ifenthaler, D., & Yau, J. Y. K. (2020). Utilising learning analytics to support study success in higher education: A systematic review. Educational Technology Research and Development, 68(4), 1961–1990. https://doi.org/10.1007/s11423-020-09788-z
Kumar, K.A., Worku, B., Sisay Muleta Hababa, B.R., & Prasad, A.Y. (2021). Outcome-based education: A case study on course outcomes, program outcomes, and attainment for big data analytics course. Journal of Engineering Education Transformations, 35(2), 2349–2473. ttps://doi.org/10.16920/jeet/2021/v35i2/153364
Kyne, S. H., Lee, M. M. H., & Reyes, C. T. (2023). Enhancing academic performance and student success through learning analytics-based personalised feedback emails in first-year chemistry. Chemistry Education Research and Practice, 24, 971–983. https://doi.org/10.1039/D3RP00032J
Lochmiller, C.R. (2021). Conducting Thematic Analysis with Qualitative Data. The Qualitative Report, 26(6), 2029–2044. https://doi.org/10.46743/2160-3715/2021.5008
Makwana, D., Engineer, P., Dabhi, A., & Chudasama, H. (2023). Sampling methods in research: A review. International Journal of Trend in Scientific Research and Development, 7(3), 762–768. http://www.ijtsrd.com/papers/ijtsrd57470.pdf
Martín, S. (2011). Educación aumentada: Realidad o ficción. Blog CUED. https://goo.gl/w46mpA
Millum, J., & Bromwich, D. (2021). Informed consent: What must be disclosed and what must be understood? The American Journal of Bioethics, 21(5), 46–58. https://doi.org/10.1080/15265161.2020.1863511
Mudawi, N. A., Pervaiz, M., Alabduallah, B. I., Alazeb, A., Alshahrani, A., Alotaibi, S. S., & Jalal, A. (2023). Predictive Analytics for Sustainable E-Learning: Tracking Student Behaviors. Sustainability, 15(20), 14780. https://doi.org/10.3390/su152014780.
Mukred, M., Mokhtar, U. A., Hawash, B., AlSalman, H., & Zohaib, M. (2024). The adoption and use of learning analytics tools to improve decision making in higher learning institutions: An extension of technology acceptance model. Heliyon, 10(4). https://doi.org/10.1016/j.heliyon.2024.e26315
Muljana, P.S. and Luo, T. (2021). Utilizing learning analytics in course design: Voices from instructional designers in higher education. Journal of Computing in Higher Education, 33(1), 206–234.
Nasseif, H. (2023). Historic Learning Analytics Transforming Learning in Saudi Arabian Higher Education. In: Active and Transformative Learning in STEAM Disciplines. Emerald Publishing Limited, pp. 79–102.
Nguyen, T.D., Shih, M.H., Srivastava, D., Tirthapura, S., & Xu, B. (2021). Stratified random sampling from streaming and stored data. Distributed and Parallel Databases, 39, 665–710. https://doi.org/10.1007/s10619-020-07315-w
Oettinger, A.G. (1971). Communications in the national decision-making process. In: Greenberger, M. (ed.) Computers, communication, and the public interest. Baltimore, MD: Johns Hopkins Press, pp. 73–114.
Prahani, B., Alfin, J., Fuad, A., Saphira, H., Hariyono, E., & Suprapto, N. (2022). Learning management system (LMS) research during 1991–2021: How technology affects education. International Journal of Emerging Technologies in Learning (iJET), 17(17), 28–49. https://www.learntechlib.org/p/223118/
Robinson, R.S. (2024). Purposive sampling. In: Encyclopedia of quality of life and well-being research. Cham: Springer International Publishing, pp. 5645–5647. https://doi.org/10.1007/978-3-031-17299-1_2337
Song, D., Shin, Y., & Hong, H. (2022). Learning analytics as an integrated approach in mixed methods research. In: The Routledge Handbook for Advancing Integration in Mixed Methods Research, pp. 288–300. Routledge. eBook ISBN9780429432828
Sorour, A. (2022). Holistic Framework for Monitoring Quality in Higher Education Institutions in the Kingdom of Saudi Arabia using Business Intelligence Dashboards. (PhD Unpublished thesis), Staffordshire University.
Sorour, A., Atkins, A.S., Stanier, C., Alharbi, F., & Campion, R. (2022). The development of business intelligence dashboard for monitoring quality in higher education institutions in Saudi Arabia including sentiment analysis from social media. In: Inted2022 Proceedings, pp. 1391–1399. IATED.
South, L., Saffo, D., Vitek, O., Dunne, C., & Borkin, M.A., (2022). Effective use of Likert scales in visualization evaluations: A systematic review. Computer Graphics Forum, 41(3), 43–55. https://doi.org/10.1111/cgf.14521
Stommel, W., & Rijk, L.D. (2021). Ethical approval: None sought. How discourse analysts report ethical issues around publicly available online data. Research Ethics, 17(3), 275–297. https://doi.org/10.1177/1747016120988767.
Schumacher, C., & Ifenthaler, D. (2018). Features students really expect from learning analytics. Computers in Human Behavior, 78, 397–407. https://doi.org/10.1016/j.chb.2017.06.030
Yamashita, T. (2022). Analyzing Likert scale surveys with Rasch models. Research Methods in Applied Linguistics, 1(3), 100022. https://doi.org/10.1016/j.rmal.2022.100022
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Abdullah Alenezi, Abdulhameed Alenezi
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
