El empleo de entornos tecnológicos de aprendizaje en línea, como los denominados sistemas de gestión de aprendizaje, los Entornos Virtuales de Aprendizaje o las plataformas de aprendizaje colaborativo apoyado por computadora, no solo se utilizan como repositorio de documentos, ejercicios u otro tipos de recursos al que puede acceder el estudiantado, sino que además se emplean para generar y almacenar grandes cantidades de datos relacionados con el proceso de enseñanza-aprendizaje registrando la interacción estudiante-computador y conformando la traza digital del alumno. En los últimos años nuevas áreas de estudio relacionadas con el análisis de datos conocidas como la Analítica de datos de aprendizaje (Learning Analytics, LA) y la Minería de Datos Educativa (Educational Data Mining, EDM) que tienen un objetivo común: mejorar la calidad de la educación mediante el análisis de los datos recogidos para extraer información útil para profesorado, estudiantado, instituciones educativas, equipos de investigación, empresas y sociedad en general). Dado el contexto expuesto, se plantean una serie de preguntas a estudiar en este proyecto como  P1- ¿es posible emplear los datos de las interacciones del alumnado con las plataformas de enseñanza utilizadas para detectar patrones de aprendizaje? o P2- ¿Se podría reducir el abandono temprano del alumnado y predecir el éxito o fracaso de un/a estudiante? Estas preguntas nos sugieren la aplicación de modelos de analítica de datos del aprendizaje en entornos tecnológicos como Moodle que se utiliza en la Universitat de València. El hecho de analizar la traza digital del alumnado en los procesos de enseñanza-aprendizaje de las plataformas docentes, permite detectar perfiles de alumnado: desde el denominado estudiantado procastinador al alumnado que planifica y entrega sus tareas antes de plazo.

En este proyecto el objetivo principal es extraer la información relevante que se encuentra tras la traza digital del estudiantado que se puede obtener en sistemas de enseñanza asistida por ordenador, aplicaciones o entornos tecnológicos de enseñanza para detectar perfiles de alumnado y establecer categorías (procastinador, puntual, etc.) que nos permitan mejorar las tasas de abandono temprano de las asignaturas.
Algunos de los objetivos específicos que están asociados al anterior objetivo general son:
O1. Recogida de los datos que generan a diario profesorado y alumnado en su interacción con entornos tecnológicos de enseñanza
O2. Extracción de información de los datos obtenidos
O3. Detección de patrones de aprendizaje y establecimiento de categorías del perfil del alumnado (procastinador, puntual, entrega tarde) para estudiar el riesgo de abandono temprano.
O4. Diseño de propuestas de mejora por parte de alumnado y profesorado en el proceso de enseñanza-aprendizaje
O5. Difusión de los resultados del proyecto por parte de alumnado y profesorado

Subvenció concedida: 400 €

• X JSVE 2024 y IV International Conference on Electronic Voting Systems - Una década Innovando y
Avanzando juntos: claves para afrontar el futuro en la educación superior
(https://www.uv.es/piclickers/cas/Menu_JSVE.wiki)
• IV CONGRESO INTERNACIONAL DE FORMACIÓN PERMANENTE NODOS DEL CONOCIMIENTO,
Innovación, investigación y transferencias ante la era de las Inteligencias Artificiales
(https://2023.nodos.org/ )
• El Congreso Universitario Internacional de Comunicación, Innovación, Investigación y Docencia
(CUICIID) https://cuiciid.net/
• Reunión Intermedia del Grupo de Trabajo Didáctica de la Estadística, Probabilidad y Combinatoria
(DEPC) de la Sociedad Española de Investigación en Educación Matemática (SEIEM)

1. Resultados del proyecto:
Uno de los resultados del proyecto, han sido las reuniones mantenidas con el profesorado para
organizar actividades en el aula con los que poder abordar los objetivos propuestos. Fruto de estas
actividades, se tienen distintos resultados académicos en forma de publicaciones. Ha sido un proyecto
en el que se ha asistido a varios congresos y ha dado lugar a capítulos de libro y contribuciones de
artículos que constatan que el grupo de innovación trabaja de manera colaborativa y la temática del
proyecto.
• Fortalezas y debilidades del proyecto, obstáculos encontrados, estrategias de resolución y
propuestas de mejora.
o No se han encontrado problemas al largo del desarrollo del PID. El grupo de innovación ha
incorporado gente de otras universidades. A pesar de que esto complica la comunicación y
conseguir objetivos a corto plazo, se está trabajando para obtener resultados a medio-largo
plazo.
• CÓMO CONTRIBUYEN los resultados de este PID al proceso de enseñanza-aprendizaje del
estudiantado que participa en el PID:
o La aplicación de modelos de Analítica de datos en Educación en los sistemas de enseñanza
asistida por ordenador fomenta el diseño de soluciones que se pueden individualizar o
personalizar para el alumnado, ya que una vez procesados y analizados los datos recogidos, se
pueden emplear para detectar patrones de aprendizaje con los que recomendar secuencias de
actividades para reforzar determinados contenidos o avanzar en el temario una vez se han
superado estos y así tratar de mejorar el rendimiento de las y los estudiantes.
o Más concretamente, el estudio de la traza digital registrada durante la realización de una
determinada tarea puede contribuir positivamente en la comprensión de los distintos factores
que intervienen en los procesos cognitivos y estrategias seguidas por los estudiantes, así como
descubrir y diagnosticar qué tipo de ayuda o soporte les conduciría a la correcta realización de
las actividades diseñadas.
o Con respecto al impacto en el alumnado, este proyecto ha permitido hacer hincapié en la
importancia de ser conscientes del rastro de datos que dejamos en cualquier aplicación o
plataforma que utilizamos y que se pueden convertir en información mediante técnicas de
análisis de datos que están al alcance de todas y todos. En este punto, se ha tratado de implicar
al estudiantado en el uso de la estadística y herramienta de análisis de datos para que sea

consciente de la potencia e importancia en su formación. Por otro lado, para los futuros
docentes y profesionales de grados técnicos ha sido importante que conocieran qué pueden
ofrecer los datos que se registran en Entornos Virtuales de Aprendizaje para mejorar el proceso
de enseñanza-aprendizaje.

• PONENCIA CONGRESO NODOS: Un caso de estudio de Edulítica: análisis de datos del alumnado
generados en soluciones tecnológicas educativas (https://nodos.org/ponencia/un-caso-de-estudiode-
edulitica-analisis-de-datos-del-alumnado-generados-en-soluciones-tecnologicas-educativas/)
o Autores: Daniel García-Costa. Emilia López-Iñesta. Maria T. Sanz. Francisco Grimaldo
• PONENCIA EN JORNADAS (X Jornadas sobre Sistemas de Votación
Electrónica 2024 IV International Conference on Electronic
Voting Systems): Hallazgos del análisis de la traza digital de la
resolución de problemas matemáticos
(https://www.uv.es/piclickers/cas/Menu_JSVE.wiki?6 )
o Autores: Elena Álvarez-García, Sandra Paniagua Sánchez, Emilia López-Iñesta, Maria T. Sanz,
Daniel García-Costa; María Santágueda-Villanueva; Francisco Grimaldo
• PONENCIA CONGRESO NODOS: Formación de profesorado universitario y resolución de Problemas
Aritmético-Verbales (https://nodos.org/ponencia/formacion-de-profesorado-universitario-yresolucion-
de-problemas-aritmetico-verbales/ )
o Autores: Francisco Grimaldo. Maria T. Sanz. Daniel García-Costa. Emilia López-Iñesta.

• CAPÍTULO DE LIBRO: Un método gráfico para mejorar la interpretación de enunciados y la resolución
de problemas. (en prensa). Editorial Universidad de Burgos.
o Autores: Francisco Grimaldo, María T. Sanz, Daniel Garcia-Costa, Carlos Valenzuela,
Alejandro Guerra, Nicandro Cruz, Diana Herreros-Torres, Ariadna Gómezescobar, María
Santágueda-Villanueva, Emilia López-Iñesta
• CAPÍTULO DE LIBRO: DE LA INNOVACIÓN A LA INVESTIGACIÓN A TRAVÉS DEL ANÁLISIS DE DATOS DE
SOLUCIONES TECNOLÓGICAS EDUCATIVAS, incluido en el libro: " TÉCNICAS INMERSIVAS Y
APLICACIONES TECNOLÓGICAS PARA LA INNOVACIÓN", con ISBN "978-84-1177-053-8"
(https://egregius.es/catalogo/tecnicas-inmersivas-y-aplicaciones-tecnologicas-para-la-innovacion/)
o Autores: Emilia López-Iñesta. Daniel García-Costa. Maria T. Sanz. Francisco Grimaldo
• ARTÍCULO DE REVISTA: Las clases de matemáticas en las escuelas en la pospandemia de la Covid-19:
un estudio de caso (en prensa). Revista EPSIR.
o Autoras: María Santágueda-Villanueva, María T. Sanz, Emilia López-Iñesta

CAPÍTULO DE LIBRO: EVALUACIÓN FORMATIVA Y RESOLUCIÓN DE PROBLEMAS ARITMÉTICOVERBALES
EN LA FORMACIÓN DE PROFESORADO UNIVERSITARIO, incluido en el libro: "Empoderando
la Docencia en la Era Digital: Innovación, Tecnología y Renovación Pedagógica", con ISBN "978-84-
1170-924-8" (https://www.dykinson.com/libros/empoderando-la-docencia-en-la-era-digitalinnovacion-
tecnologia-y-renovacion-pedagogica/9788411709248/)
o Autores: Maria T. Sanz. Francisco Grimaldo. Daniel García-Costa. Emilia López-Iñesta.
• CAPÍTULO DE LIBRO: Fomento de la competencia digital y el pensamiento crítico a través de las fake
news (en prensa). Editorial Universidad de Burgos.
o Autores: E. López-Iñesta, M.Á. Queiruga-Dios, M.T. Sanz, A. Forte, D. García-Costa, D.
Herreros-Torres, C. Botella-Mascarell, S. Rueda, L. Monsalve-Lorente, E. Álvarez-García, F.
Grimaldo
• PONENCIA EN JORNADAS Reunión Intermedia del Grupo de Trabajo Didáctica de la Estadística,
Probabilidad y Combinatoria (DEPC) de la Sociedad Española de Investigación en Educación
Matemática (SEIEM): Algunas iniciativas para trabajar la formación del sentido estocástico en el
profesorado de Infantil y Primaria
o Autores: Emilia López-Iñesta, Maria T. Sanz, Anabel Forte