https://niveles.esprint.tech
Vol. 3 N° 1, enero-junio 2026 (92-102)
ISSN: 3073-1119
92
Artículo de revisión
Analítica del aprendizaje en educación superior: revisión de aplicaciones
Learning analytics in higher education: a review of applications
Edisson Javier Castillo Urco*
Profesional Independiente
Ambato - Ecuador
ejcu@live.com
https://orcid.org/0009-0007-0803-3914
Laura Susana Naranjo Ordoñez
Instituto Superior Tecnológico Riobamba
Riobamba - Ecuador
naranjosusy19@gmail.com
https://orcid.org/0000-0002-3534-0545
Rogelio Saúl Arévalo Rosero
Gobierno Autónomo Descentralizado
Municipal del Cantón Santiago de Quero
Quero - Ecuador
rogelio.arevalo@quero.gob.ec
https://orcid.org/0009-0008-6707-9469
*Correspondencia:
ejcu@live.com
Cómo citar este artículo:
Castillo, E., Naranjo, L., & Arévalo, R.
(2026).
Analítica del aprendizaje en
educación superior: re
visión de
aplicaciones.
Revista de Investigación
Educativa Niveles, 3(1), 92-102.
https://doi.org/10.61347/rien.v3i1.89
Recibido: 10 de febrero de 2026
Proceso de evaluación:
13 de febrero al 17 de marzo de 2026
Aceptado: 19 de marzo de 2026
Publicado: 27 de marzo de 2026
Resumen: En la educación superior persiste una brecha entre el potencial teórico y
tecnológico de la analítica del aprendizaje y su aplicación efectiva en contextos
universitarios, debido a limitaciones en integración pedagógica, infraestructura,
formación docente y uso ético de los datos. En este escenario, el estudio analiza sus
aplicaciones, a través de la identificación de enfoques, beneficios, desafíos y tendencias.
Se desarrolló una investigación documental con enfoque cualitativo y diseño descriptivo-
analític
o, basada en la revisión de fuentes académicas recientes. Los resultados
evidencian que la analítica del aprendizaje integra enfoques tecnológicos, pedagógicos y
analíticos, utilizando herramientas como inteligencia artificial, plataformas virtuales y
modelos predictivos para optimizar el rendimiento académico y la toma de decisiones.
Entre sus principales aplicaciones destacan la detección temprana de estudiantes en
riesgo, la personalización del aprendizaje, la automatización de la evaluación y la mejora
de la gestión académica. Asimismo, se identificaron beneficios como el incremento del
rendimiento, la reducción de la deserción y el fortalecimiento de la inclusión educativa.
No obstante, persisten desafíos vinculados con
la infraestructura tecnológica, la
capacitación docente, la resistencia al cambio y las implicaciones éticas en el uso de datos.
En conclusión, su efectividad depende de una integración equilibrada entre tecnología,
pedagogía y gestión institucional.
Palabras clave: Analítica del aprendizaje, educación superior, inteligencia artificial,
modelos predictivos.
Abstract: In higher education, there remains a gap between the theoretical and technological
potential of learning analytics and its effective application in university settings, due to
limitations in pedagogical integration, infrastructure, faculty training, and the ethical use of data.
Against this backdrop, this study analyzes its applications by identifying approaches, benefits,
challenges, and trends. A qualitative, descriptive-analytical literature review was conducted,
based on a review of recent academic sources. The results show that learning analytics integrates
technological, pedagogical, and analytical approaches, using tools such as artificial intelligence,
virtual platforms, and predictive models to optimize academic performance and decision-making.
Among its main applications are the early detection of at-risk students, the personalization of
learning, the automation of assessment, and the improvement of academic management. Likewise,
benefits such as increased performance, reduced dropout rates, and strengthened educational
inclusion were identified. However, challenges persist regarding technological infrastructure,
teacher training, resistance to change, and the ethical implications of data use. In conclusion, its
effectiveness depends on a balanced integration of technology, pedagogy, and institutional
management.
Keywords: Artificial intelligence, higher education, learning analytics, predictive models.
Copyright: Derechos de autor 2026 Edisson
Javier Castillo Urco, Laura Susana Naranjo
Ordoñez, Rogelio Saúl Arévalo Rosero.
Esta obra está bajo una licencia internacional
Creative
Commons Atribución-
NoComercial 4.0.
Revista de Investigación
Educativa Niveles
https://niveles.esprint.tech
Vol. 3 N° 1, enero-junio 2026 (92-102)
ISSN: 3073-1119
Edisson Javier Castillo Urco, Laura Susana Naranjo Ordoñez, Rogelio Saúl Arévalo Rosero 93
1. Introducción
En la educación superior persiste una brecha significativa entre el potencial teórico y tecnológico de la
analítica del aprendizaje y su implementación efectiva en los contextos universitarios. A pesar de los
avances en campos como la ciencia de datos y la Inteligencia Artificial (IA), muchas instituciones
enfrentan dificultades para integrar estas herramientas de manera sistemática en los procesos de
enseñanza y aprendizaje. Este problema se relaciona con la ausencia de modelos estandarizados, la
limitada articulación con enfoques pedagógicos, la escasa evidencia empírica sobre sus aplicaciones y
los desafíos vinculados con la ética, la protección de datos, la formación docente y la infraestructura
tecnológica (López et al., 2023).
En este escenario, la transformación digital de la educación superior, impulsada por una sociedad
cada vez más interconectada y orientada al conocimiento, ha promovido la adopción de estrategias
tecnológicas para fortalecer los procesos académicos y administrativos (Gutiérrez, 2025). Este proceso
se intensificó a partir de la pandemia de COVID-19, que aceleró la virtualización de la enseñanza y
evidenció la necesidad de nuevos modelos pedagógicos e institucionales. Como resultado, la
incorporación de tecnologías como la IA, la realidad virtual y los entornos digitales de aprendizaje ha
redefinido las dinámicas educativas, y favorecido modalidades híbridas y virtuales, así como nuevas
formas de interacción y construcción del conocimiento (Contreras-Bravo et al., 2021).
La analítica del aprendizaje se configura como un campo interdisciplinario orientado a la
medición, recopilación, análisis e interpretación de datos generados por los estudiantes durante su
proceso formativo, con el propósito de comprender y optimizar el aprendizaje y los entornos en los
que este se desarrolla (Araiza-Vázquez et al., 2023). Desde una perspectiva teórica, integra aportes
de distintos enfoques educativos que permiten comprender el aprendizaje tanto como un proceso
social mediado por la interacción como una dinámica influida por el uso de datos y entornos digitales
(Mella-Norambuena et al., 2022). De este modo, no solo posibilita describir comportamientos
educativos, sino predecir tendencias, personalizar la enseñanza y apoyar la toma de decisiones
basada en evidencia.
El desarrollo tecnológico posibilita la creación de entornos de aprendizaje más personalizados
mediante el uso de IA, aprendizaje automático y herramientas digitales (Martin & Segovia-García,
2025). Estas innovaciones permiten adaptar contenidos, actividades y estrategias a las características
individuales de los estudiantes, pues ofrecen retroalimentación en tiempo real y promueven el
aprendizaje autónomo. No obstante, se advierten riesgos como la fragmentación del aprendizaje o una
excesiva individualización, por lo que la interacción humana continúa siendo un componente esencial
en la formación integral (Condoy et al., 2025).
De manera complementaria, la generación masiva de datos educativos constituye una característica
clave de la educación superior digitalizada. Las plataformas en línea y los sistemas inteligentes
producen grandes volúmenes de información sobre el rendimiento y la interacción estudiantil (Macías,
2025), o que posibilita ajustar los procesos de enseñanza a necesidades específicas. Sin embargo, esta
situación también plantea preocupaciones éticas y de privacidad, por lo que resulta imprescindible
garantizar un uso responsable de los datos, evitando sesgos, discriminación y vulneraciones a la
seguridad de la información.
Desde una perspectiva aplicada, la analítica del aprendizaje examina de manera sistemática el
desempeño estudiantil, identificando patrones y tendencias que orientan la toma de decisiones
pedagógicas e institucionales. Entre sus principales aplicaciones se encuentra la detección temprana
de dificultades académicas, lo que facilita la implementación de intervenciones oportunas y el ajuste
Revista de Investigación
Educativa Niveles
https://niveles.esprint.tech
Vol. 3 N° 1, enero-junio 2026 (92-102)
ISSN: 3073-1119
Edisson Javier Castillo Urco, Laura Susana Naranjo Ordoñez, Rogelio Saúl Arévalo Rosero 94
de estrategias didácticas (Ramírez-Solórzano, 2024). Asimismo, contribuye a la optimización de la
gestión institucional mediante el análisis de procesos académicos, la asignación eficiente de recursos y
el monitoreo de indicadores como la deserción estudiantil.
En consecuencia, herramientas como los sistemas de alerta temprana y los modelos predictivos
permiten el seguimiento continuo del estudiante y la identificación de perfiles académicos, y benefician
el diseño de estrategias de acompañamiento personalizadas. Estas aplicaciones evidencian el potencial
de la analítica del aprendizaje para mejorar tanto el rendimiento académico como la calidad educativa
en general (Macías, 2025). Sin embargo, a pesar de sus beneficios, su implementación aún enfrenta
importantes desafíos de carácter tecnológico, pedagógico y ético, como la protección de la privacidad,
la equidad en el acceso, la fiabilidad de los datos y la necesidad de fortalecer las competencias digitales
en docentes y estudiantes (Soler et al., 2022).
Estudios como los de Álvarez & Prieto (2023), Gualavisí et al. (2025) y Torres (2025) demuestran el
potencial de la analítica del aprendizaje en la educación superior. La implementación de sistemas de
alerta temprana y plataformas analíticas en universidades internacionales monitorea el rendimiento
académico, identifica riesgos de deserción y diseña intervenciones oportunas. Asimismo, el uso de
entornos virtuales y sistemas de gestión del aprendizaje suministra el análisis de la interacción
estudiantil y la mejora de la calidad educativa. Evaluaciones en contextos universitarios destacan la
importancia de factores como la inclusión, la formación docente y las condiciones institucionales para
una implementación efectiva. De igual manera, el uso de modelos predictivos y sistemas
especializados impacta de manera positiva en la toma de decisiones académicas y en la permanencia
estudiantil.
La analítica del aprendizaje se posiciona como una herramienta estratégica para transformar la
educación superior, al permitir la personalización de la enseñanza, la optimización del rendimiento y
de la gestión institucional. Sin embargo, su potencial depende de una adecuada integración
tecnológica, pedagógica y ética, así como del fortalecimiento de las capacidades institucionales para su
implementación efectiva.
El presente estudio tiene como objetivo general analizar las aplicaciones de la analítica del
aprendizaje en la educación superior, identificando sus principales enfoques, beneficios, limitaciones
y tendencias de implementación en contextos educativos. Para ello, se plantean como objetivos
específicos identificar los principales enfoques y herramientas de la analítica del aprendizaje utilizados
en este nivel, examinar los beneficios y desafíos asociados con su implementación en instituciones de
educación superior, y analizar las tendencias actuales junto con casos de aplicación en distintos
contextos universitarios.
2. Metodología
El presente estudio se desarrolló bajo un enfoque cualitativo, con un diseño de investigación
documental de carácter descriptivo-analítico, sustentado en una revisión bibliográfica sobre la analítica
del aprendizaje en la educación superior. Este enfoque permitió examinar, comparar, interpretar y
sintetizar aportes teóricos y empíricos, con el propósito de identificar sus principales aplicaciones,
beneficios, desafíos y tendencias.
El diseño de la investigación fue de tipo narrativo, basado en una revisión sistemática de la
literatura. Para ello, se analizaron artículos publicados en revistas científicas indexadas, así como
documentos disponibles en repositorios y bases de datos académicas especializadas como Scopus,
Google Scholar y SciELO. La búsqueda de información se realizó mediante el uso de operadores
Revista de Investigación
Educativa Niveles
https://niveles.esprint.tech
Vol. 3 N° 1, enero-junio 2026 (92-102)
ISSN: 3073-1119
Edisson Javier Castillo Urco, Laura Susana Naranjo Ordoñez, Rogelio Saúl Arévalo Rosero 95
booleanos, empleando combinaciones como “learning analytics” AND “higher education” AND “artificial
intelligence in education” AND “predictive models”, así como “analítica del aprendizaje” AND “educación
superior”. Estos criterios delimitaron estudios relacionados con la analítica del aprendizaje en el
contexto de la educación superior.
Los criterios de inclusión consideraron: (a) publicaciones comprendidas entre 2021 y 2026, (b)
artículos científicos con revisión por pares, (c) estudios enfocados en educación superior y (d) que
abordaran aplicaciones, herramientas o implicaciones de la analítica del aprendizaje. Por su parte, se
excluyeron documentos duplicados, estudios sin acceso al texto completo y aquellos que no guardaban
relación directa con el objeto de estudio.
El proceso de análisis se desarrolló en tres fases. En la primera, se realizó la búsqueda y selección
de las fuentes, aplicando los criterios establecidos. En la segunda, se organizó y categorizó la
información, identificando variables como enfoques teóricos, herramientas tecnológicas, tipos de
aplicación, beneficios y desafíos. En la tercera, se efectuó un análisis interpretativo que sintetizó los
hallazgos en categorías temáticas, las cuales dieron origen a las tablas presentadas en los resultados.
La información se organizó en matrices de análisis, lo que facilitó la comparación entre autores, la
identificación de convergencias y divergencias teóricas, y la detección de vacíos en la literatura. A
partir de este proceso, los resultados se estructuraron en categorías como herramientas y tecnologías,
aplicaciones en la educación superior, beneficios, desafíos, impacto y tendencias.
3. Resultados
Principales enfoques y herramientas de la analítica del aprendizaje utilizados en la educación
superior
La tabla 1 presenta los principales enfoques, herramientas y aplicaciones de la analítica del aprendizaje
en la educación superior, evidenciando cómo diversas tecnologías y estrategias pedagógicas se
implementan en contextos reales para optimizar los procesos formativos.
Se identifica que la analítica del aprendizaje se aplica mediante una integración de enfoques
tecnológicos, pedagógicos y analíticos. En el ámbito tecnológico, herramientas como la IA, la realidad
virtual y el blockchain se implementan en sistemas de tutoría inteligente, laboratorios virtuales y
plataformas de certificación académica, hecho que fortalece la personalización del aprendizaje, la
experiencia práctica y la seguridad de la información.
Desde una perspectiva pedagógica, el uso de plataformas educativas y recursos didácticos basados
en datos facilita el desarrollo de competencias analíticas, la autorregulación del aprendizaje y la toma
de decisiones fundamentadas. Asimismo, el enfoque analítico-procesual evidencia que la recopilación
y el análisis de datos educativos se aplican en sistemas de monitoreo del rendimiento estudiantil, al
identificar patrones de comportamiento y ajustar estrategias de enseñanza.
La analítica del aprendizaje no se limita a un enfoque conceptual, sino que se materializa en
aplicaciones concretas que impactan en la enseñanza, la evaluación y la gestión del aprendizaje en la
educación superior.
Revista de Investigación
Educativa Niveles
https://niveles.esprint.tech
Vol. 3 N° 1, enero-junio 2026 (92-102)
ISSN: 3073-1119
Edisson Javier Castillo Urco, Laura Susana Naranjo Ordoñez, Rogelio Saúl Arévalo Rosero 96
Tabla 1
Enfoques y herramientas de la analítica del aprendizaje en educación superior
Autor(es) Enfoque Herramienta/Tecnología
Aplicación en
educación superior
Finalidad
pedagógica
Evidencia
de uso
Vaca et al.
(2025)
Tecnológico
IA
Sistemas de tutoría
inteligente y evalua-
ción automatizada
Personalización del
aprendizaje y retro-
alimentación inme-
diata
Plataformas
de tutoría
inteligente
Realidad
Virtual/Aumentada
Laboratorios virtua-
les y simuladores
educativos
Aprendizaje expe-
riencial y práctico
Oculus Rift,
HoloLens
Blockchain
Certificación y vali-
dación de títulos aca-
démicos
Seguridad y autenti-
cidad de credencia-
les
Plataformas
blockchain
educativas
Medina-
Hernández
et al. (2022)
Didáctico
Software estadístico y
simuladores
Uso de datos reales y
simulaciones en el
aula
Desarrollo de com-
petencias analíticas
R, SPSS,
simuladores
Pedraza
(2022)
Analítico
Sistemas de analítica del
aprendizaje
Monitoreo del rendi-
miento y seguimiento
del estudiante
Toma de decisiones
pedagógicas
Plataformas
LMS
Rojas et al.
(2022)
Pedagógico Plataformas educativas
Seguimiento del
aprendizaje autó-
nomo
Fomento de la auto-
rregulación
Moodle
Beneficios y desafíos del aprendizaje en instituciones de educación superior
En la tabla 2 se sintetizan las principales aplicaciones de la analítica del aprendizaje en la educación
superior, destacando los beneficios derivados de su implementación, así como los desafíos que
condicionan su adopción en los contextos universitarios.
Tabla 2
Aplicaciones, beneficios e implicaciones de la analítica del aprendizaje
Autor(es)
Tipo de
aplicación
Descripción de la
aplicación
Beneficios
evidenciados
Desafíos
asociados
Impacto en
educación superior
Cueva et al.
(2025)
Predictiva
Sistemas que
identifican
estudiantes en riesgo
Intervención temprana
y mejora de retención
Dependencia
tecnológica
Reducción de
deserción
Ocampo et
al. (2025)
Adaptativa
Plataformas que
ajustan contenido al
estudiante
Mayor motivación y
rendimiento
Falta de
capacitación
docente
Aprendizaje
personalizado
Revista de Investigación
Educativa Niveles
https://niveles.esprint.tech
Vol. 3 N° 1, enero-junio 2026 (92-102)
ISSN: 3073-1119
Edisson Javier Castillo Urco, Laura Susana Naranjo Ordoñez, Rogelio Saúl Arévalo Rosero 97
Baltazar
(2025)
Evaluativa
Automatización de la
evaluación mediante
IA
Retroalimentación
inmediata y reducción
de carga docente
Limitaciones en
interpretación
compleja
Mejora en procesos
evaluativos
Torres (2025)
Gestión
académica
Uso de datos para
toma de decisiones
Decisiones basadas en
evidencia
Resistencia al
cambio
Optimización
institucional
Lucero-
Baldevenites
et al. (2025)
Inclusiva
IA para atención a
diversidad estudiantil
Mayor equidad
educativa
Brecha digital
Inclusión
académica
Las aplicaciones de la analítica del aprendizaje se orientan hacia la mejora del rendimiento
estudiantil, la personalización del aprendizaje y la optimización de la gestión académica. En el ámbito
predictivo, la implementación de sistemas de identificación de estudiantes en riesgo constituye una de
las aplicaciones más relevantes, ya que desarrolla intervenciones tempranas que reducen la deserción
y mejoran la permanencia estudiantil.
Por otro lado, las aplicaciones adaptativas, basadas en plataformas que ajustan los contenidos según
el ritmo y estilo de aprendizaje del estudiante, reflejan un avance significativo hacia modelos
educativos centrados en el alumno. Asimismo, auxilian la motivación y el desempeño académico,
aunque su efectividad depende en gran medida de la capacitación docente y de la disponibilidad de
infraestructura tecnológica.
En el espacio evaluativo, la automatización de la evaluación mediante IA representa una aplicación
clave que permite agilizar los procesos de calificación y proporcionar retroalimentación inmediata. No
obstante, esta aplicación enfrenta limitaciones relacionadas con la interpretación de procesos
cognitivos complejos y la transparencia de los algoritmos.
Así, la analítica del aprendizaje se aplica en la gestión académica mediante el uso de datos para la
toma de decisiones institucionales, lo que contribuye a una planificación más eficiente y basada en
evidencia. Finalmente, en términos de inclusión, se identifican aplicaciones orientadas a atender la
diversidad estudiantil a través de herramientas tecnológicas que promueven la equidad educativa.
Si bien las aplicaciones de la analítica del aprendizaje generan beneficios significativos, su
implementación también implica desafíos que deben ser abordados para garantizar un uso efectivo,
ético y contextualizado en la educación superior.
Tendencias actuales y casos de aplicación de la analítica del aprendizaje en diferentes contextos
universitarios
La tabla 3 presenta las principales tendencias actuales de la analítica del aprendizaje, junto con diversos
casos de aplicación en contextos universitarios, evidenciando la evolución de este campo hacia
modelos educativos más innovadores y basados en datos.
Se identifica una tendencia creciente hacia la integración de tecnologías emergentes, como la IA y
el metaverso, en los procesos educativos. Estas tecnologías se aplican en entornos universitarios
mediante sistemas de tutoría inteligente, evaluación automatizada y plataformas digitales que
permiten el seguimiento continuo del estudiante, asistiendo una experiencia de aprendizaje más
personalizada y dinámica.
En el ámbito pedagógico, se observa una transición hacia modelos centrados en el desarrollo de
competencias y en la evaluación continua, lo que se traduce en aplicaciones que monitorean el progreso
Revista de Investigación
Educativa Niveles
https://niveles.esprint.tech
Vol. 3 N° 1, enero-junio 2026 (92-102)
ISSN: 3073-1119
Edisson Javier Castillo Urco, Laura Susana Naranjo Ordoñez, Rogelio Saúl Arévalo Rosero 98
académico de manera constante y ajustan los procesos de enseñanza en función de los resultados. Este
enfoque refleja un cambio significativo respecto a los modelos tradicionales de evaluación.
Tabla 3
Tendencias y casos de aplicación de la analítica del aprendizaje
Autor(es) Tendencia Tipo de aplicación Descripción del uso
Contexto de
implementación
Aporte a la
educación superior
Gutiérrez
(2025)
Tecnologías
emergentes
IA y metaverso
Tutorías
inteligentes y
evaluación
automatizada
Entornos
virtuales
universitarios
Personalización del
aprendizaje
Martin &
Segovia-
García
(2025)
Enfoque por
competencias
Evaluación
continua
Seguimiento del
progreso
mediante créditos
Modelos
educativos por
competencias
Mejora del
rendimiento
académico
Cárdena
(2026)
Analítica
predictiva
Modelos de
machine learning
Predicción de
deserción y bajo
rendimiento
Sistemas de
alerta
temprana
Intervención
oportuna
Tapia &
Villamúez
(2026)
Gestión
digital
Automatización
administrativa
Optimización de
procesos
académicos
Sistemas
institucionales
Eficiencia
organizacional
Consuegra
et al. (2026)
Innovación
educativa
Analítica para
mejora continua
Uso de datos
para innovación
pedagógica
Formación
docente
Transformación
educativa
Por su parte, los modelos predictivos basados en técnicas de aprendizaje automático se consolidan
como una de las aplicaciones más relevantes, al permitir anticipar comportamientos académicos y
diseñar estrategias de intervención temprana. Esta aplicación resulta especialmente útil para mejorar
la retención estudiantil y optimizar la toma de decisiones.
En el contexto administrativo, la analítica del aprendizaje se aplica en la automatización de procesos
institucionales, en función de fortalecer la eficiencia operativa y la gestión universitaria. Finalmente,
se evidencia una tendencia hacia la innovación educativa sostenible, en la que el uso de la analítica se
orienta no solo a la mejora del aprendizaje, sino al desarrollo de competencias digitales y al uso ético
de la tecnología.
La analítica del aprendizaje está evolucionando hacia un enfoque integral, en el que sus aplicaciones
abarcan dimensiones pedagógicas, evaluativas e institucionales, consolidándose como un elemento
clave en la transformación de la educación superior.
4. Discusión
Los resultados muestran que la analítica del aprendizaje en la educación superior se configura como
un campo en consolidación, cuya implementación práctica refleja tanto avances significativos como
limitaciones estructurales, en concordancia con lo planteado en el marco teórico. En este sentido, se
confirma la existencia de una brecha entre el potencial teórico y su aplicación efectiva, tal como señalan
Revista de Investigación
Educativa Niveles
https://niveles.esprint.tech
Vol. 3 N° 1, enero-junio 2026 (92-102)
ISSN: 3073-1119
Edisson Javier Castillo Urco, Laura Susana Naranjo Ordoñez, Rogelio Saúl Arévalo Rosero 99
López et al. (2023), quienes destacan la falta de modelos estandarizados y la limitada articulación con
enfoques pedagógicos.
En relación con los enfoques y herramientas identificados, los hallazgos muestran una integración
de componentes tecnológicos, pedagógicos y analíticos. Este resultado coincide con lo expuesto por
Araiza-Vázquez et al. (2023), quienes conciben la analítica del aprendizaje como un campo
interdisciplinario orientado a la recopilación y análisis de datos para optimizar los procesos
educativos. Asimismo, la incorporación de tecnologías como la IA, la realidad virtual y el blockchain,
comprobada en los resultados, se alinea con lo planteado por Martin y Segovia-García (2025), quienes
destacan el papel de estas herramientas en la personalización del aprendizaje y la generación de
entornos educativos adaptativos. No obstante, mientras los resultados enfatizan su aplicabilidad en
contextos reales, Condoy et al. (2025) advierten sobre los riesgos asociados con una excesiva
individualización, lo que introduce un matiz crítico frente a su implementación.
En cuanto a las aplicaciones identificadas, especialmente aquellas de carácter predictivo y
adaptativo, los resultados corroboran lo señalado por Ramírez-Solórzano (2024) y Macías (2025),
quienes subrayan la utilidad de la analítica del aprendizaje para el monitoreo del rendimiento
estudiantil y la implementación de intervenciones tempranas. La evidencia presentada en las tablas,
particularmente en relación con la reducción de la deserción y la mejora del rendimiento académico,
coincide con los aportes de Gualavisí et al. (2025) y Torres (2025), quienes acentúan el impacto positivo
de estas herramientas en la toma de decisiones académicas. Sin embargo, este panorama favorable
contrasta con los desafíos identificados en los resultados, como la dependencia tecnológica, la falta de
capacitación docente y la resistencia al cambio, aspectos señalados por Soler et al. (2022) como
limitantes clave para su adopción efectiva.
Por otra parte, los resultados evidencian que la analítica del aprendizaje no solo impacta el ámbito
pedagógico, sino la gestión institucional. Este hallazgo se encuentra en consonancia con lo planteado
por Gutiérrez (2025), quien destaca la relevancia de los sistemas de evaluación continua basados en
datos, así como con Cueva et al. (2025), al enfatizar el papel de la digitalización en la transformación
de la educación superior. No obstante, la presencia de desafíos como la brecha digital y las limitaciones
en infraestructura, identificadas en los resultados, refuerza la necesidad de considerar las condiciones
contextuales para una implementación efectiva, tal como sugieren Lucero-Baldevenites et al. (2025).
Las tendencias actuales muestran una orientación hacia el uso de tecnologías emergentes y modelos
predictivos, lo que coincide con lo planteado por Cárdena (2026) y Tapia y Villamúez (2026), quienes
destacan la incorporación de IA y sistemas adaptativos en los entornos educativos. Esta evolución
hacia modelos más innovadores también se relaciona con la transformación digital descrita por
Contreras-Bravo et al. (2021), lo que patentiza una transición hacia entornos de aprendizaje más
dinámicos y personalizados. Sin embargo, los resultados también exponen la persistencia de retos
éticos relacionados con la privacidad y el uso de datos.
Los resultados evidencian una correspondencia general con los planteamientos teóricos revisados,
particularmente en relación con el potencial de la analítica del aprendizaje para optimizar los procesos
educativos. Sin embargo, también se identifican tensiones significativas entre el desarrollo tecnológico
y su implementación en contextos reales, especialmente en lo referente a las capacidades
institucionales, la formación docente y las consideraciones éticas. Este contraste pone en evidencia que,
aunque la analítica del aprendizaje constituye una herramienta estratégica para la transformación de
la educación superior, su efectividad depende de una integración equilibrada entre los componentes
tecnológicos, pedagógicos y de gestión institucional.
Revista de Investigación
Educativa Niveles
https://niveles.esprint.tech
Vol. 3 N° 1, enero-junio 2026 (92-102)
ISSN: 3073-1119
Edisson Javier Castillo Urco, Laura Susana Naranjo Ordoñez, Rogelio Saúl Arévalo Rosero 100
5. Conclusiones
La analítica del aprendizaje en la educación superior se implementa a partir de una integración de
enfoques tecnológicos, pedagógicos y analíticos, en la que destacan herramientas como la IA, los
sistemas de gestión del aprendizaje y los modelos predictivos. Estas herramientas fortalecen procesos
como la personalización del aprendizaje, el monitoreo del rendimiento estudiantil y la toma de
decisiones basada en datos, y demuestran su carácter interdisciplinario y aplicabilidad en contextos
educativos reales.
Por su parte, la analítica del aprendizaje genera beneficios significativos como la mejora del
rendimiento académico, la detección temprana de estudiantes en riesgo, la optimización de la
evaluación y el fortalecimiento de la gestión institucional. No obstante, su implementación enfrenta
desafíos relevantes, como la dependencia tecnológica, la falta de capacitación docente, la resistencia al
cambio, la brecha digital y las implicaciones éticas relacionadas con la privacidad y el uso de los datos,
lo que condiciona su adopción efectiva.
Las tendencias actuales de la analítica del aprendizaje se orientan hacia la incorporación de
tecnologías emergentes, como la IA y el aprendizaje automático, así como hacia el desarrollo de
modelos educativos centrados en el estudiante y basados en competencias. Estas tendencias evidencian
una evolución hacia sistemas más personalizados, predictivos y automatizados; sin embargo, su
consolidación depende de la capacidad de las instituciones para integrar de manera equilibrada los
aspectos tecnológicos, pedagógicos y éticos en sus procesos formativos.
Referencias
Álvarez, M., & Prieto, P. (2023). Presentación del dossier temático: “la educación superior en la era
digital”. Educación Superior y Sociedad, 35(2), 28-45. https://doi.org/10.54674/ess.v35i2.879
Araiza-Vázquez, M. J., Figueroa-Garza, F. G., & Ramírez-Ramírez, J. F. (2023). Percepción de los
conocimientos de la analítica del aprendizaje en la educación superior. Vincula Tégica EFAN,
9(5), 130-141. https://doi.org/10.29105/vtga9.5-506
Baltazar, R. A. (2025). Aplicaciones de la inteligencia artificial en la evaluación del aprendizaje en la
educación superior beneficios, limitaciones y desafíos éticos. Innovarium International Journal,
3(2), 1-13. https://dialnet.unirioja.es/servlet/articulo?codigo=10399977
Cárdena, J. L. (2026). Inteligencia artificial en la educación superior: tendencias globales y aplicaciones
estratégicas (2020–2025) una revisión sistemática y análisis crítico del contexto peruano.
Epistemología de las Ciencias, 3(1), 496-521. https://doi.org/10.71112/bdkjqy10
Condoy, C., Valverde, W., Condoy, M., Condoy, C., Valverde, J., & Cando, L. (2025). Estrategias
didácticas digitales para la enseñanza y aprendizaje en el bachillerato. CID.
https://doi.org/10.37811/cli_w1299
Consuegra, D., Sucre, A., & Mitre, M. (2026). Analítica del aprendizaje en plataformas virtuales: uso de
datos para la mejora continua del proceso educativo. Imperium Académico Multidisciplinary Journal,
3(1), 1-12. http://estrellaediciones.com/index.php/imperium_academico/article/view/265
Contreras-Bravo, L., Tarazona-Bermúdez, G., & Rodríguez-Molano, J. (2021). Tecnología y analítica del
aprendizaje: una revisión a la literatura. Revista Científica, 41(2), 150-168.
https://doi.org/10.14483/23448350.17547
Revista de Investigación
Educativa Niveles
https://niveles.esprint.tech
Vol. 3 N° 1, enero-junio 2026 (92-102)
ISSN: 3073-1119
Edisson Javier Castillo Urco, Laura Susana Naranjo Ordoñez, Rogelio Saúl Arévalo Rosero 101
Cueva, D., Cueva, A., & Amaya, C. (2025). Educación superior y digitalización: retos y oportunidades
en la transformación del aprendizaje universitario. Revista Social Fronteriza, 5(2), 1-18.
https://doi.org/10.59814/resofro.2025.5(2)674
Gualavisí, G., Gualavisí, I., & Domínguez, J. (2025). Integración de las TIC en la educación superior:
innovación pedagógica y transformación del aprendizaje universitario. Estudios en Educación
Superior, 1(1), 15. https://acortar.link/yJvU4M
Gutiérrez, M. (2025). Implementación de sistemas de evaluación continua basados en analítica del
aprendizaje en educación superior. Impact Research Journal, 3(1), 4-15.
https://doi.org/10.63380/irj.v3n1.2025.60
López, R., Sánchez, S., Quintana, M., & Gómez, V. (2023). Valoraciones teóricas sobre el concepto de
analítica del aprendizaje. Mendive, 22(1), e3699. https://n9.cl/xx4lxf
Lucero-Baldevenites, E., Azpilcueta-Ruiz, M. J., Nava-Cuevas, D., & Buelvas-Sierra, R. (2025).
Tecnologías de la información e inteligencia artificial en educación superior: desafíos y
oportunidades. Koinonía, 10(20), 102-125. https://doi.org/10.35381/r.k.v10i20.4608
Macías, I. (2025). Más allá de la tecnología: gestión académica y sistemas de alerta temprana en la
retención estudiantil en la educación superior virtual. ULEAM Bahía Magazine, 6(11), 127-137.
https://doi.org/10.56124/ubm.v6i11.014
Martin, E., & Segovia-García, N. (2025). Analítica de aprendizaje y retención estudiantil: un estudio
longitudinal en educación superior virtual. Revista Fuentes, 27(3), 314-325.
https://doi.org/10.12795/revistafuentes.2025.27592
Medina-Hernández, E., Muñiz, J., Guzmán-Aguiar, D., & Holguín-Higuita, A. (2022). Recursos y
estrategias para la enseñanza de la estadística y la analítica de datos en la educación superior.
Formación Universitaria, 15(3), 61-68. https://doi.org/10.4067/S0718-50062022000300061
Mella-Norambuena, J., Badilla-Quintana, M., & López, Y. (2022). Modelos predictivos basados en uso
de analíticas de aprendizaje en educación superior: una revisión sistemática. Texto Livre, 15,
e36310. https://doi.org/10.35699/1983-3652.2022.36310
Ocampo, T., Alcívar, A., Narváez, J., & Montece, K. (2025). Innovación pedagógica con inteligencia
artificial: un análisis crítico de los desafíos y oportunidades en la educación superior del siglo
XXI. Polo del Conocimiento, 10(11), 2714-2733. https://n9.cl/e7pfl
Pedraza, E. (2022). La analítica del aprendizaje y las expectativas de los estudiantes universitarios.
Academo, 9(2), 151-164. https://doi.org/10.30545/academo.2022.jul-dic.4
Ramírez-Solórzano, F. (2024). Estrategias de enseñanza en entornos virtuales: Un análisis crítico de la
efectividad educativa. Horizon Nexus Journal, 2(3), 45-59. https://doi.org/10.70881/hnj/v2/n3/6
Rojas, L., López, R., & Palmero, D. (2022). Desde el aprendizaje desarrollador a la analítica del
aprendizaje. Universidad y Sociedad, 14(6), 10-17. https://n9.cl/3i53is
Soler, J., López, R., Palmero, D., & Ruano, Y. (2022). La analítica del aprendizaje como herramienta de
cambio en el proceso de enseñanza aprendizaje. Universidad y Sociedad, 14(6), 18-23.
https://n9.cl/y4pwt
Tapia, K., & Villamúez, A. (2026). Aplicación de tecnologías de la información y la comunicación
adaptativas orientadas al fortalecimiento del aprendizaje centrado en el estudiante en la
educación superior. Revista Social Fronteriza, 6(1), 1-27.
https://doi.org/10.59814/resofro.2026.6(1)1034
Revista de Investigación
Educativa Niveles
https://niveles.esprint.tech
Vol. 3 N° 1, enero-junio 2026 (92-102)
ISSN: 3073-1119
Edisson Javier Castillo Urco, Laura Susana Naranjo Ordoñez, Rogelio Saúl Arévalo Rosero 102
Torres, J. (2025). Educational analytics and data-driven pedagogical management: models, benefits,
and challenges in Latin America. Actas Iberoamericanas en Ciencias Sociales, 3(3), 31-40.
https://doi.org/10.69821/AICIS.v3i3.134
Vaca, A., Balcázar, J., Quezada, S., Cabascango, T., Vélez, K., & Calle, J. (2025). Uso de analítica de
aprendizaje para mejorar la toma de decisiones pedagógicas. South Florida Journal of
Development, 6(1), 1-13. https://doi.org/10.46932/sfjdv6n1-011
Transparencia
Conflicto de interés
Los autores declaran que no existen conflictos de interés de naturaleza alguna como parte de la
presente investigación.
Fuente de financiamiento
Los autores financiaron completamente la investigación.
Contribución de autoría
Edisson Javier Castillo Urco: Conceptualización, metodología, análisis formal, investigación, gestión
de datos, visualización, redacción - preparación del borrador original, redacción - revisión y edición,
financiamiento, administración del proyecto, recursos, supervisión.
Laura Susana Naranjo Ordoñez: Conceptualización, metodología, software, validación, análisis
formal, investigación, visualización, redacción - preparación del borrador original, redacción - revisión
y edición, financiamiento, recursos.
Rogelio Saúl Arévalo Rosero: Conceptualización, validación, análisis formal, investigación, gestión de
datos, redacción - preparación del borrador original, redacción - revisión y edición, financiamiento.
Los autores contribuyeron activamente en el análisis de los resultados, revisión y aprobación del
manuscrito final.
