Integración de Tecnologías Digitales y Analítica del Aprendizaje para la Enseñanza Personalizada del Cálculo Diferencial en Educación Superior

John Eduardo Guiñanzaca Vaca; Pedro Daniel Armijo Guamán; Eduardo Agustín Serrano Estrada; Oscar Gabriel Toapanta Cunalata; Carlos Fernando Heredia Villamarín

doi:10.70577/ASCE/478.502/2025

Autores/as

John Eduardo Guiñanzaca Vaca Universidad Nacional de Educación https://orcid.org/0000-0003-1801-7380
Pedro Daniel Armijo Guamán Independiente https://orcid.org/0009-0008-9531-7647
Eduardo Agustín Serrano Estrada Humane Tecnológico Universitario de Negocios https://orcid.org/0009-0002-4300-0601
Toapanta Cunalata Oscar Gabriel Instituto Superior Tecnológico Pelileo https://orcid.org/0000-0002-5816-1785
Carlos Fernando Heredia Villamarín Ministerio de Educación del Ecuador https://orcid.org/0009-0006-4369-1915

DOI:

https://doi.org/10.70577/ASCE/478.502/2025

Palabras clave:

Tecnología Educativa, Analítica del Aprendizaje, Personalización del Aprendizaje, Cálculo Diferencial, Educación Superior, Retroalimentación Automatizada, Rutas de Aprendizaje Adaptativas.

Resumen

Esta investigación tiene como objetivo estudiar cómo el uso de la tecnología digital, junto con técnicas de análisis de aprendizaje, permite la instrucción personalizada del cálculo diferencial para estudiantes de educación superior. En particular, busca rastrear la interacción, el rendimiento, el progreso académico y determinar el impacto de la retroalimentación automatizada combinada con rutas de aprendizaje adaptativas en el rendimiento y la motivación del estudiante. Para lograr este objetivo, se aplicó un método de investigación mixto, que constó de un componente cuantitativo; recopilación y análisis de datos de plataformas educativas, y un componente cualitativo a través de entrevistas semi-estructuradas y cuestionarios con estudiantes y profesores. La muestra consistió en 180 estudiantes de primer año matriculados en un curso de Cálculo Diferencial en dos universidades públicas, divididos en grupo experimental (con enseñanza de tecnología/análisis) y grupo de control (enseñanza tradicional). El período de estudio fue un semestre académico (16 semanas). Los principales hallazgos revelan que el grupo experimental logró un rendimiento significativamente más alto en las pruebas de Cálculo Diferencial (media del 85 % frente al 74 % en el control; p < 0.01). Además, el análisis de las rutas digitales reveló que el sistema estaba adaptando adecuadamente el nivel de desafío después de tres errores consecutivos, lo que redujo la incidencia de estancamiento en los intentos en un 20 %. Las entrevistas indicaron que los estudiantes percibieron un aumento en la motivación, autonomía y confianza, atribuyéndolo a la retroalimentación inmediata y las rutas personalizadas. La facultad notó la reducción en el tiempo dedicado a la calificación de tareas y la capacidad de dirigir las sesiones tutoriales hacia áreas conceptualmente más desafiantes como cambios positivos. La importancia de estos resultados radica en el hecho de que el uso de tecnología digital y análisis de aprendizaje permite una orientación personalizada, fomentando un enfoque centrado en el estudiante incluso en el Cálculo Diferencial, un campo notoriamente abstracto. Se concluye que esta sinergia podría mejorar el aprendizaje significativo y disminuir las tasas de abandono, ayudando así a formar una generación de graduados con sólidas habilidades analíticas. Además, se sugiere que este modelo sea adaptado en otras ramas de las matemáticas y modificado para diferentes contextos educativos.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

A Systematic Review of Learning Analytics in Higher Education. (2024). Education Sciences, 14(1), 51. https://doi.org/10.3390/educsci14010051 DOI: https://doi.org/10.3390/educsci14010051

Acosta Porras, J. S., Moyon Sani, V. E., Arias Vega, G. Y., Vásquez Alejandro, L. M., Ruiz Cires, O. A., Albia Vélez, B. K., & Bernal Párraga, A. P. (2024). Estrategias de Aprendizaje Activas en la Enseñanza en la Asignatura de Estudios Sociales. Ciencia Latina Revista Científica Multidisciplinar, 8(5), 411–433. https://doi.org/10.37811/cl_rcm.v8i5.13320 DOI: https://doi.org/10.37811/cl_rcm.v8i5.13320

Adaptive Teaching with Technology in Undergraduate Mathematics. (2025). Journal of Educational Psychology, 117(2), 380–399. https://doi.org/10.1037/edu0000830 DOI: https://doi.org/10.1037/edu0000830

Alarcón Burneo, S. N., Basantes Guerra, J. P., Chaglla Lasluisa, W. F., Carvajal Coronado, D. E., Martínez Oviedo, M. Y., Vargas Saritama, M. E., & Bernal Párraga, A. P. (2024). Uso de Recursos Manipulativos para Mejorar la Comprensión de Conceptos Matemáticos Abstractos en la Educación Secundaria. Ciencia Latina Revista Científica Multidisciplinar, 8(5), 1972–1988. https://doi.org/10.37811/cl_rcm.v8i5.13669 DOI: https://doi.org/10.37811/cl_rcm.v8i5.13669

Alonso, G., Muñoz, C., & Vélez, D. (2023). Adaptive dashboards in STEM education: Enhancing personalized feedback. ResearchGate. https://www.researchgate.net/publication/374004113

Álvarez Piza, R. A., Del Hierro Pérez, M. C., Vera Molina, R. M., Moran Piguave, G. D., Pareja Mancilla, S. S., Narváez Hoyos, J. J., & Bernal Párraga, A. P. (2024). Desarrollo del Pensamiento Lógico a través de la Resolución de Problemas en Matemáticas: Estrategias Eficaces para la Educación Básica. Ciencia Latina Revista Científica Multidisciplinar, 8(5), 2212–2229. https://doi.org/10.37811/cl_rcm.v8i5.13686 DOI: https://doi.org/10.37811/cl_rcm.v8i5.13686

Arequipa Molina, A. D., Cruz Roca, A. B., Nuñez Calle, J. J., Moreira Vélez, K. L., Guevara Guevara, N. P., Bassantes Guerra, J. P., & Bernal Párraga, A. P. (2024). Formación Docente en Estrategias Innovadoras y su Impacto en el Aprendizaje de las Matemáticas. Ciencia Latina Revista Científica Multidisciplinar, 8(4), 9597–9619. https://doi.org/10.37811/cl_rcm.v8i4.13111 DOI: https://doi.org/10.37811/cl_rcm.v8i4.13111

Baker, R. S., Heffernan, N. T., & Gowda, S. M. (2025). Ethical considerations in adaptive learning technologies. Educational Technology Research and Development, 73(1), 45–62. https://doi.org/10.1007/s11423-025-10005-2

Barcos‑Sánchez, H. A., López‑Domínguez, A., & Sánchez‑Casanova, R. (2023). El proceso de enseñanza-aprendizaje desarrollador. Revista Conrado, 19(91), 101-109. https://conrado.ucf.edu.cu/index.php/conrado/article/view/2975

Bernal Párraga, A. P., Coronel Ramírez, E. A., Aldas Macías, K. J., Carvajal Madrid, C. A., Valarezo Espinoza, B. D. C., Vera Alcívar, J. G., & Chávez Cedeño, J. U. (2025). The Impact of Artificial Intelligence on Personalized Learning in English Language Education. Ciencia Latina Revista Científica Multidisciplinar, 9(1), 5500–5518. https://doi.org/10.37811/cl_rcm.v9i1.16234 DOI: https://doi.org/10.37811/cl_rcm.v9i1.16234

Bernal Párraga, A. P., Haro Cedeño, E. L., Reyes Amores, C. G., Arequipa Molina, A. D., Zamora Batioja, I. J., Sandoval Lloacana, M. Y., & Campoverde Durán, V. D. R. (2024). La Gamificación como Estrategia Pedagógica en la Educación Matemática. Ciencia Latina Revista Científica Multidisciplinar, 8(3), 6435–6465. https://doi.org/10.37811/cl_rcm.v8i3.11834 DOI: https://doi.org/10.37811/cl_rcm.v8i3.11834

Bernal Párraga, A. P., Ninahualpa Quiña, G., Cruz Roca, A. B., Sarmiento Ayala, M. Y., Reyes Vallejo, M. E., García Carrillo, M. de J., & Benavides Espín, D. S. (2024). Innovation in Early Childhood: Integrating STEM from the Area of Mathematics for Significant Improvement. Ciencia Latina Revista Científica Multidisciplinar, 8(4), 5675–5699. https://doi.org/10.37811/cl_rcm.v8i4.12779 DOI: https://doi.org/10.37811/cl_rcm.v8i4.12779

Bernal Párraga, A. P., Toapanta Guanoquiza, M. J., Martínez Oviedo, M. Y., Correa Pardo, J. A., Ortiz Rosillo, A., Guerra Altamirano, I. del C., & Molina Ayala, R. E. (2024). Aprendizaje Basado en Role-Playing: Fomentando la Creatividad y el Pensamiento Crítico desde Temprana Edad. Ciencia Latina Revista Científica Multidisciplinar, 8(4), 1437–1461. https://doi.org/10.37811/cl_rcm.v8i4.12389 DOI: https://doi.org/10.37811/cl_rcm.v8i4.12389

Castillo Baño, C. P., Cruz Gaibor, W. A., Bravo Jácome, R. E., Sandoval Lloacana, C. F., Guishca Ayala, L. M., Campaña Nieto, R. A., Yépez Mogro, T. C., & Bernal Párraga, A. P. (2024). Uso de Tecnologías Digitales en la Educación para la Ciudadanía. Ciencia Latina Revista Científica Multidisciplinar, 8(4), 5388–5407. https://doi.org/10.37811/cl_rcm.v8i4.12756 DOI: https://doi.org/10.37811/cl_rcm.v8i4.12756

Chaparro Amaya, M. A., González, H. P., & Sánchez, J. C. (2023). Discovering insights in learning analytics through a mixed-methods framework. Journal of Computer Assisted Learning, 39(5), 1234–1250. https://doi.org/10.1111/jcal.12894 DOI: https://doi.org/10.1111/jcal.12894

Chaparro Amaya, M. A., González, H. P., & Sánchez, J. C. (2023). Discovering insights in learning analytics through a mixed-methods framework: Application to computer programming education. ResearchGate. https://www.researchgate.net/publication/373503954

Chatti, M. A., Dyckhoff, A. L., Schroeder, U., & Thüs, H. (2023). The FCL-SRL model: A framework for self-regulated learning analytics. arXiv preprint, arXiv:2303.12388. https://arxiv.org/abs/2303.12388

Chen, L., Li, Y., & Tan, Z. (2023). Bayesian knowledge tracing in STEM education: insights and innovations. Computers & Education, 192, 104619. https://doi.org/10.1016/j.compedu.2023.104619

Cheng, J., Zhang, H., & Yuan, C. (2023). Analyzing student engagement in LMS via log data: A temporal approach. Interactive Learning Environments, 31(1), 45–63. https://doi.org/10.1080/10494820.2022.2080896

Cosquillo Chida, J. L., Burneo Cosios, L. A., Cevallos Cevallos, F. R., Moposita Lasso, J. F., & Bernal Párraga, A. P. (2025). Didactic Innovation with ICT in Mathematics Learning: Interactive Strategies to Enhance Logical Thinking and Problem Solving. Revista Iberoamericana de Educación, 9(1), 269–286. https://doi.org/10.31876/rie.v9i1.299 DOI: https://doi.org/10.31876/rie.v9i1.299

Costa, R. S., Almeida, F. R., & Oliveira, T. (2023). Adaptive virtual environments for calculus learning: a Brazilian case. Revista Brasileira de Informática na Educação, 31(2), e3202. https://doi.org/10.5753/rbie.2023.31.2.e3202

Durán‑Pineda, S., Ruíz‑Cruz, J. M., & Hernández‑López, M. (2024). Análisis de interacción en secuencias de derivación: un estudio mexicano. Computers in Human Behavior, 145, 107684. https://doi.org/10.1016/j.chb.2023.107684 DOI: https://doi.org/10.1016/j.chb.2023.107684

Faúdez, T. A., Zamora, N., & Cisternas, C. (2017). Integración de TIC en la enseñanza del cálculo. Revista de Mediación, 22(4), 45-59. https://doi.org/10.4067/S0718-50062017000400005 DOI: https://doi.org/10.4067/S0718-50062017000400005

Fierro Barrera, G. T., Aldaz Aimacaña, E. del R., Chipantiza Salán, C. M., Llerena Mosquera, N. C., Morales Villegas, N. R., Morales Armijo, P. A., & Bernal Párraga, A. P. (2024). El Refuerzo Académico en Educación Básica Superior en el Área de Matemática. Ciencia Latina Revista Científica Multidisciplinar, 8(4), 9639–9662. https://doi.org/10.37811/cl_rcm.v8i4.13115 DOI: https://doi.org/10.37811/cl_rcm.v8i4.13115

Gallo, P., Fernández, M., & Colombo, P. (2022). Recomendación de ejercicios de integración y su impacto en el rendimiento. Journal of Educational Computing Research, 60(5), 1254–1273. https://doi.org/10.1177/07356331221088965

García‑Peñalvo, F. J., Mendes, A. J., & Santos, A. I. (2023). Privacy and ethics in learning analytics systems. International Review of Research in Open and Distributed Learning, 24(1), 78–93. https://doi.org/10.19173/irrodl.v24i1.7033

Guishca Ayala, L. A., Bernal Párraga, A. P., Martínez Oviedo, M. Y., Pinargote Carreño, V. G., Alcívar Vélez, V. E., Pinargote Carreño, V. L., Pisco Mantuano, J. E., Cárdenas Pila, V. N., & Guevara Albarracín, E. S. (2024). Integración De La Inteligencia Artificial En La Enseñanza De Matemáticas: Un Enfoque Personalizado Para Mejorar El Aprendizaje. Ciencia Latina Revista Científica Multidisciplinar, 8(6), 818–839. https://doi.org/10.37811/cl_rcm.v8i5.14114 DOI: https://doi.org/10.37811/cl_rcm.v8i5.14114

Jiménez Bajaña, S. R., Crespo Peñafiel, M. F., Villamarín Barragán, J. G., Barragán Averos, M. D. L., Barragán Averos, M. B., Escobar Vite, E. A., & Bernal Párraga, A. P. (2024). Metodologías Activas en la Enseñanza de Matemáticas: Comparación entre Aprendizaje Basado en Problemas y Aprendizaje Basado en Proyectos. Ciencia Latina Revista Científica Multidisciplinar, 8(3), 6578–6602. https://doi.org/10.37811/cl_rcm.v8i3.11843 DOI: https://doi.org/10.37811/cl_rcm.v8i3.11843

Johnston, K., & Jendoubi, S. (2024). Qualitative feedback and adaptive e-learning: mixed-methods analysis. arXiv preprint, arXiv:2403.14686. https://arxiv.org/abs/2403.14686

Lemus, A., & Rivas, F. (2023). Validación de cuestionarios para evaluación de competencias digitales en contextos universitarios. ResearchGate. https://www.researchgate.net/publication/374013294

López‑García, M. A., & Pérez‑Sánchez, E. (2021). Vídeos interactivos y análisis de error en Moodle para cálculo. Educational Technology Research and Development, 69(3), 1535–1554. https://doi.org/10.1007/s11423-021-09998-2

Martínez‑Monés, A., Rodríguez‑Arteaga, M., & Iglesias, P. (2023). Integración de LA en entornos universitarios: revisión y retos. Interactive Learning Environments, 31(4), 590–606. https://doi.org/10.1080/10494820.2023.2165641

Mishra, P., & Koehler, M. J. (2006). Technological Pedagogical Content Knowledge: A Framework for Teacher Knowledge. Teachers College Record, 108(6), 1017–1054. https://doi.org/10.1111/j.1467-9620.2006.00684.x DOI: https://doi.org/10.1177/016146810610800610

Peña‑Acuña, A., Rodríguez, R., & González, J. (2023). Visualización e-learning adaptativo en cálculo diferencial. Revista Iberoamericana de Educación a Distancia, 26(1), 25–44. https://doi.org/10.5944/ried.26.1.32095

Peralta, E., & Barrera, M. (2024). Evaluación de herramientas adaptativas en la enseñanza del cálculo: Un enfoque centrado en el estudiante. ResearchGate. https://www.researchgate.net/publication/374293821

Piaget, J. (1970). Psychology and Epistemology: Towards a Theory of Knowledge. Penguin. DOI: https://doi.org/10.7312/piag91272

Prachagool, V., & Nuangchalerm, P. (2023). AI-driven learning analytics in STEM education: an integrated model. ResearchGate. https://www.researchgate.net/publication/377579411

Quiroz Moreira, M. I., Mecías Córdova, V. Y., Proaño Lozada, L. A., Hernández Centeno, J. A., Chóez Acosta, L. A., Morales Contreras, A. M., & Bernal Párraga, A. P. (2024). Plataformas de Evaluación Digital: Herramientas para Optimizar el Feedback y Potenciar el Aprendizaje. Ciencia Latina Revista Científica Multidisciplinar, 8(5), 2020–2036. https://doi.org/10.37811/cl_rcm.v8i5.13673 DOI: https://doi.org/10.37811/cl_rcm.v8i5.13673

Ramírez‑Echeverry, J. J., Flórez, L. A., & González, M. C. (2023). Aprendizaje personalizado con analítica del aprendizaje: un estudio de caso. Revista Educación y Tecnología, 32(2), 89–107. https://doi.org/10.5209/rete.78523

Ramteja Sajja, G., & Bhat, A. (2023). Integrating AI and learning analytics for dynamic adaptation in mathematics learning. arXiv preprint arXiv:2307.11597. https://arxiv.org/abs/2307.11597

Rodríguez, L., & Meneses, J. (2024). Cognitive modeling in online math learning: A predictive control approach. Computers & Education, 204, 104919. https://doi.org/10.1016/j.compedu.2023.104919

Romero, C., & Ventura, S. (2022). Learning analytics integration in higher education: A systematic review. Review of Educational Research, 92(4), 556–595. https://doi.org/10.3102/00346543221098213

Roy, R., & Swargiary, A. (2024). Exploring the impact of AI integration in education: A mixed-methods study. ResearchGate. https://www.researchgate.net/publication/381539555 DOI: https://doi.org/10.2139/ssrn.4857648

Serrano, A., Velázquez, R., & Gómez, I. (2024). Ética de datos en sistemas adaptativos universitarios. Journal of Learning Analytics, 11(1), 55–70. https://doi.org/10.18608/jla.2024.11.1.4

Siddiqui, A. H., Santosh, K., & Suresh, B. (2024). Exploring the dynamics of educational feedback networks with graph theory and LSTM‑based modeling for enhanced learning analytics and feedback mechanisms. Journal of Theoretical and Applied Information Technology, 101(1), 111–122. Retrieved from https://www.researchgate.net/publication/377412242.

Siemens, G., & Long, P. (2011). Penetrating the fog: Analytics in learning and education. EDUCAUSE Review, 46(5), 30–40. https://er.educause.edu/articles/2011/9/penetrating-the-fog-analytics-in-learning-and-education

Singh, M., & Chandra, S. (2023). Impact of adaptive learning systems in STEM: a meta-analysis. Computers & Education, 196, 104639. https://doi.org/10.1016/j.compedu.2023.104639

Stinar, Z., Long, Y., & Schneider, B. (2025). Fairness of Bayesian Knowledge Tracing for math learners of different reading ability. Computers and Education: Artificial Intelligence, 6, 100165. https://doi.org/10.1016/j.caeai.2024.100165

Suárez, R., & Hidalgo, J. (2023). Data integrity and anonymization in learning analytics systems. ResearchGate. https://www.researchgate.net/publication/373950172

Sun, Y., Zhao, Y., & Yu, L. (2025). Hierarchical Bayesian Knowledge Tracing for personalized feedback in STEM. arXiv preprint arXiv:2506.00057. https://arxiv.org/abs/2506.00057

Takami, H., Yoshikawa, H., & Matsuda, T. (2021). Evaluating the effectiveness of Bayesian knowledge tracing model-based explainable recommender. ResearchGate. https://www.researchgate.net/publication/378039794

Vera‑Valdés, J., & Gutiérrez, M. (2022). Heterogeneidad y abstracción en el aprendizaje universitario del cálculo. Revista Latinoamericana de Investigación en Matemática Educativa, 25(1), 89–107. https://doi.org/10.12802/relime.22.2513

Vera‑Valdés, J., & Gutiérrez, M. (2022). Heterogeneidad y abstracción en el aprendizaje universitario del cálculo. Revista Latinoamericana de Investigación en Matemática Educativa, 25(1), 89–107. https://doi.org/10.12802/relime.22.2513 DOI: https://doi.org/10.12802/relime.22.2513

Vygotsky, L. S. (1978). Mind in Society: The Development of Higher Psychological Processes. Harvard University Press.

Zamora Arana, M. G., Bernal Párraga, A. P., Ruiz Cires, O. A., Cholango Tenemaza, E. G., & Santana Mero, A. P. (2024). Impulsando el Aprendizaje en el Aula: El Rol de las Aplicaciones de Aprendizaje Adaptativo Impulsadas por Inteligencia Artificial en la Educación Básica. Ciencia Latina Revista Científica Multidisciplinar, 8(3), 4301–4318. https://doi.org/10.37811/cl_rcm.v8i3.11645 DOI: https://doi.org/10.37811/cl_rcm.v8i3.11645