Mostrar el registro sencillo del objeto digital

dc.contributor.author Brunett Zarza, Kárilyn
dc.contributor.author Montaño Reyes Patricia Del Carmen, /
dc.contributor.author Valdovinos Rosas, Rosa Maria
dc.contributor.author Gómez Quiróz, José Jacobo
dc.date.accessioned 2026-10-28T04:01:59Z
dc.date.available 2026-10-28T04:01:59Z
dc.date.issued 2026-02-11
dc.identifier.issn 1850-9959
dc.identifier.uri http://hdl.handle.net/20.500.11799/144620
dc.description Artículo de investigación en el campo de la minería de datos educativos (Educational Data Mining, EDM), en el que se aplicaron técnicas de aprendizaje automático (Machine Learning) para identificar patrones de interacción y caracterizar perfiles de desempeño docente a partir de los registros digitales generados en la plataforma educativa SEDUCA de la Universidad Autónoma del Estado de México (UAEMéx). El estudio integra técnicas de agrupamiento y clasificación para analizar el comportamiento docente en entornos virtuales de aprendizaje. es
dc.description.abstract El crecimiento acelerado de la Educación a Distancia ha impulsado la adopción de plataformas que generan grandes volúmenes de datos, pero estos no se analizan suficientemente y la información podría perderse. Este estudio perfila al docente virtual de la plataforma SEDUCA de la UAEMéx empleando aprendizaje automático y el ciclo CRISP-DM. Se realizó un análisis cuantitativo con 1 041 registros y 24 variables obtenidas del reporte de desempeño docente de la plataforma. En el preprocesamiento se realizó limpieza, imputación con KNN y detección de outliers. Para el análisis descriptivo se aplicó K-means y Agrupamiento Jerárquico; se validó con coeficiente de silueta; la fase predictiva utilizó Random Forest optimizado con GridSearch y validado mediante matriz de confusión y validación cruzada. Se identificaron tres perfiles: docentes de interacción mínima (15 %), moderada (66 %) y alta (19 %). Las variables más influyentes fueron total de actividades calificadas y porcentaje de evidencias entregadas a tiempo; otras, como correos y número de alumnos, mostraron menor relevancia. El modelo alcanzó una exactitud del 95,2 % tras optimización. Este enfoque ofrece un marco para que las universidades aprovechen datos de sus plataformas en la planificación de la formación y selección de docentes virtuales. es
dc.description.sponsorship Universidad Nacional Rosario Castellanos es
dc.language.iso spa es
dc.publisher Revista Iberoamericana de Tecnología en Educación y Educación en Tecnología es
dc.rights openAccess es
dc.rights.uri http://creativecommons.org/licenses/by-nc/4.0 es
dc.subject Educación a distancia es
dc.subject Minería de datos educativos es
dc.subject Desempeño docente es
dc.subject Aprendizaje automático es
dc.subject Sistema de gestión de aprendizaje es
dc.subject.classification INGENIERÍA Y TECNOLOGÍA es
dc.title Patrones de desempeño docente en Educación a Distancia utilizando aprendizaje automático es
dc.type Artículo es
dc.provenance Científica es
dc.road Dorada es
dc.organismo Ciencias de la Conducta es
dc.ambito Internacional es
dc.cve.CenCos 21501 es
dc.cve.progEstudios 25 es
dc.relation.vol 1
dc.validacion.itt Si es


Ficheros en el objeto digital

Este ítem aparece en la(s) siguiente(s) colección(ones)

Visualización del Documento

  • Título
  • Patrones de desempeño docente en Educación a Distancia utilizando aprendizaje automático
  • Autor
  • Brunett Zarza, Kárilyn
  • Montaño Reyes Patricia Del Carmen, /
  • Valdovinos Rosas, Rosa Maria
  • Gómez Quiróz, José Jacobo
  • Fecha de publicación
  • 2026-02-11
  • Editor
  • Revista Iberoamericana de Tecnología en Educación y Educación en Tecnología
  • Tipo de documento
  • Artículo
  • Palabras clave
  • Educación a distancia
  • Minería de datos educativos
  • Desempeño docente
  • Aprendizaje automático
  • Sistema de gestión de aprendizaje

Mostrar el registro sencillo del objeto digital

openAccess Excepto si se señala otra cosa, la licencia del ítem se describe como openAccess

Buscar en RI


Buscar en RI

Usuario

Estadísticas