Resumen de Paradigmas analíticos en entornos virtuales y de aprendizaje: una revisión de sus principales puntos de encuentros y diferenciaciones teóricas y de enfoque
- español
El presente artículo realiza una revisión acerca de los paradigmas analíticos que emergen ante los entornos virtuales en general, y entornos virtuales de aprendizaje en particular. Los paradigmas analíticos revisados florecen a la par de los Big Data, macro datos o colección de datos que son obtenidos desde las distintas plataformas virtuales que soportan la totalidad o alguna parte del proceso de aprendizaje. La aplicación de estos enfoques analíticos se realiza con vistas a predecir, conocer patrones de comportamiento u optimizar los aprendizajes (individuales o grupales). Los paradigmas analíticos son:
Educational data Mining (EDM), Learning Analytics (LA), Academic Analytics (AA) y Web Analytics (WA). El objetivo del artículo es presentar los principales hitos teóricos y enfoques analíticos de cada paradigma.
En el desarrollo temático se pretende asentar cada paradigma de acuerdo con sus propios objetos de estudio y especificidades. Es importante notar que el campo analítico de estos paradigmas es novel y se halla en plena fase de desarrollo, por lo que existen aún muchas fronteras borrosas o líquidas entre ellos.
El caso más relevante de fronteras borrosas sucede entre Learning Analytics y Educational Data Mining. Por lo que en el tratamiento analítico de estos paradigmas se hace un especial hincapié en las similitudes y diferencias que surgen en la literatura especializada.
- English
This article revises analytical paradigms that emerge regarding virtual environments in general and digital learning environments specifically. Analytical paradigms arise together with Big Data, i.e. macro data or data collections, which are gathered from various visual digital platforms that support the totality or part of the learning process. The application of these analytical approaches is made with the intention of predicting, learning about behaviour patterns or optimizing individual or group learning. The analytical paradigms are:
Educational data Mining (EDM), Learning Analytics (LA), Academic Analytics (AA) and Web Analytics (WA). It is also the purpose of this article to present the main historical milestones and analytical approaches of each paradigm.
The thematic development aims at stating each paradigm in accordance to its own study objectives and specificities. It is noteworthy to point out that the analytical field of these paradigms is quite new and in its developing stage; therefore, there are still many blurred borders between them.
The most relevant case of these blurred borders occurs between Learning Analytics and Educational Data Mining. That is why in the analytical treatment of these paradigms, there is a strong emphasis placed in the similarities and differences that arise from the specialized literature.
