Educación basada en datos. Learning Analytics para mejorar el rendimiento académico y la gestión universitaria.

Autores/as

Velasco-Holguin, Nefer Paulette, Investigadora independiente; Reategui-Noriega, Eddir Erick, Universidad Nacional de la Amazonía Peruana; Chang-Gómez, Mario Andrew, Universidad Nacional de la Amazonía Peruana; Dávila-Alva, Emerson, Universidad Nacional de la Amazonía Peruana; Araujo-Criollo, Marcos Daniel, Universidad Agraria del Ecuador (UAE); Ramos-Zapata, Angela Lucero, Universidad Nacional Mayor de San Marcos; García-Lino, Maritza Elizabeth, Universidad Técnica Luis Vargas Torres de Esmeraldas; Alcívar-Cuenca, Patricio Eli, Universidad Estatal Península de Santa Elena; Alarcon-Anco, Ronald Jesús, Universidad Nacional Mayor de San Marcos; Guerrero-Zambrano, Marcos Francisco, Universidad Estatal de Milagro

Palabras clave:

Learning Analytics, educación superior, rendimiento académico, gestión universitaria, ética de datos.

Sinopsis

El libro Educación basada en datos. Learning Analytics para mejorar el rendimiento académico y la gestión universitaria analiza el papel de los datos educativos en la transformación responsable de la educación superior. Su propósito es ofrecer una comprensión rigurosa y pedagógicamente sensible sobre cómo Learning Analytics puede contribuir al seguimiento del aprendizaje, la detección temprana de riesgos académicos, la mejora del rendimiento estudiantil y el fortalecimiento de la toma de decisiones institucionales. La obra parte de la premisa de que los datos no poseen valor educativo por sí mismos, sino cuando son interpretados desde criterios pedagógicos, éticos y contextuales. A lo largo de sus capítulos, se examinan los fundamentos conceptuales de la educación basada en datos, sus aplicaciones en el acompañamiento académico, su aporte a la gestión universitaria y los desafíos asociados a la privacidad, la transparencia, la gobernanza y la responsabilidad institucional. El enfoque del libro rechaza una visión tecnocrática de la analítica educativa y propone una integración equilibrada entre tecnología, pedagogía, gestión y sentido humano. En este marco, Learning Analytics se concibe como una herramienta estratégica para mejorar la calidad, la inclusión y la permanencia estudiantil.

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

Velasco-Holguin, Nefer Paulette, Investigadora independiente

Ingeniera ambiental, Magister en gestión de riesgo e investigadora independiente ecuatoriana comprometida con la generación de conocimiento científico y la sostenibilidad. Cuento con una trayectoria de 3 años en investigación académica, gestión ambiental y educación superior. He participado en publicaciones científicas y proyectos de impacto social, destacándome por el interés en la innovación, la gestión de riesgos y el desarrollo de soluciones orientadas al bienestar comunitario.

Reategui-Noriega, Eddir Erick, Universidad Nacional de la Amazonía Peruana

Ingeniero Químico y Magíster en Gestión Ambiental por la Universidad Nacional de la Amazonía Peruana (UNAP). Docente contratado en la Facultad de Ingeniería Química (FIQ-UNAP), con experiencia en la enseñanza de Química General, Química Inorgánica y Biofísica. Su práctica docente universitaria lo llevó a explorar el uso de datos e indicadores académicos como herramientas para la mejora del aprendizaje y la gestión educativa, motivando el desarrollo de esta obra orientada a la aplicación del Learning Analytics en la educación superior.

Chang-Gómez, Mario Andrew, Universidad Nacional de la Amazonía Peruana

Ingeniero Químico egresado de la Universidad Nacional de la Amazonía Peruana (UNAP), Magíster en Ciencias y Tecnologías Ambientales (mención Industria del Petróleo y Medio Ambiente) y Candidato a Doctor en Ciencias Ambientales por la misma casa de estudios. Docente contratado en la Facultad de Ingeniería Química (FIQ-UNAP), donde imparte Química General, Química Inorgánica y Biofísica. Su experiencia en el aula universitaria lo condujo a interesarse en el análisis de datos académicos como recurso para comprender y mejorar los procesos de enseñanza-aprendizaje, dando origen a esta obra sobre Learning Analytics aplicado a la mejora del rendimiento académico y la gestión universitaria.

Dávila-Alva, Emerson, Universidad Nacional de la Amazonía Peruana

Ingeniero Químico Colegiado egresado de la Universidad Nacional de la Amazonía Peruana, Magíster en Ciencias y Tecnologías Ambientales con mención en Seguridad y Medio Ambiente en la Industria de Hidrocarburos. Cuenta con más de 15 años de experiencia en el sector Oil & Gas en inspección, operación y seguridad de instalaciones de exploración, producción, plantas de procesamiento y oleoductos. Especialista en normas NFPA, ANSI, OSHA e ISO 14000, y consultor en Sistemas Integrados de Gestión, Seguridad Industrial y Protección Ambiental. Su enfoque en la gestión basada en datos lo motivó a desarrollar esta obra como aporte a la mejora continua de la educación superior.

Araujo-Criollo, Marcos Daniel, Universidad Agraria del Ecuador (UAE)

Ingeniero Agropecuario por la Escuela Politécnica del Ejército (ESPE) y Magíster en Gerencia de la Calidad e Innovación por la Universidad Internacional del Ecuador (UIDE). Trayectoria profesional en los sectores agropecuario y agroindustrial, desempeñándose en áreas de control de calidad, inocuidad alimentaria, auditorías técnicas, gestión de procesos y mejora continua. Durante ocho años formó parte de la Agencia de Control Fitosanitaria y Zoosanitaria del Ecuador (Agrocalidad), participando en: registro y evaluaciones técnicas de productos agropecuarios, inspecciones y procesos regulatorios vinculados a la calidad e inocuidad. Ha trabajado en administración y gestión de sistemas productivos, en cadenas de valor relacionadas con producción agrícola y ganadera. Actualmente es docente universitario a tiempo completo en la Universidad Agraria del Ecuador (UAE) con actividades de: Docencia, Investigación con interés en: Learning Analytics, Innovación, Desarrollo de productos, Nutrición Animal, Trazabilidad Agroalimentaria e Inteligencia Artificial Aplicada para la educación y el sector productivo.

Ramos-Zapata, Angela Lucero, Universidad Nacional Mayor de San Marcos

La Mg. Angela Ramos Zapata es Licenciada en Tecnología Médica, especialista en Terapia Ocupacional y docente en la UNMSM y UPCH. Posee maestrías en Educación y Neuropedagogía, y cursa un doctorado en Educación. Tiene amplia experiencia en investigación, neurorrehabilitación y neurodesarrollo. Actualmente, integra la junta directiva de la Asociación Científica de Terapia Ocupacional (ACITO) y el comité ad hoc del Colegio de Tecnólogos Médicos del Perú. Asimismo, se desempeña como coordinadora de Terapia Ocupacional en la consultora Mentes Diversas y difunde activamente su profesión creando contenido educativo a través de la plataforma T.O. EDUCA.

García-Lino, Maritza Elizabeth, Universidad Técnica Luis Vargas Torres de Esmeraldas

Maritza Elizabeth García Lino, Ingeniera química con maestría en seguridad y salud ocupacional y didáctica de la física y la química. Actualmente me desempeño como docente en la Universidad Técnica Luis Vargas Torres de Esmeraldas formando profesionales comprometidos con la excelencia técnica y la responsabilidad social. En vinculación con la sociedad he desarrollado capacitaciones continuas en seguridad alimentaria, buen manejo de desechos y recurso agua, programas formativos diseñados para fortalecer las capacidades de comunidades en prácticas esenciales para la salud pública y la sostenibilidad ambiental.

Alcívar-Cuenca, Patricio Eli, Universidad Estatal Península de Santa Elena

Ingeniero en Sistemas, Magíster en Ingeniería de Software, Ciberseguridad y DevOps, y docente investigador en la Universidad Estatal Península de Santa Elena (UPSE). Su labor se centra en la intersección del desarrollo de software avanzado y la transformación educativa mediante el uso de tecnologías emergentes. Con una sólida base técnica en arquitectura de sistemas y análisis de datos, ha contribuido en investigaciones publicadas en revistas indexadas sobre la "Educación 5.0", explorando el impacto de la Inteligencia Artificial y el humanismo en las dinámicas universitarias. Busca optimizar el rendimiento académico y la gestión universitaria a través de soluciones tecnológicas innovadoras y basadas en datos.

Alarcon-Anco, Ronald Jesús, Universidad Nacional Mayor de San Marcos

Abogado y licenciado en Educación. Posee maestrías en Docencia Universitaria y Gestión Educativa, así como en Filosofía e Investigación. Es Doctor en Administración, PhD in Business Administration. Se desempeña como profesor universitario en pregrado y posgrado en la UNMSM y en diversas universidades del Perú e internacionales. Investigador RENACYT-P0051760, consultor en Derechos humanos, Defensa nacional, consultor en inteligencia artificial aplicada al derecho de la empresa y la educación. Cuenta con amplia experiencia como asesor y consultor en temas jurídicos, DDHH, Derecho Constitucional derecho Empresarial y Derecho Educativo. Conferencista en gestión legal, empresarial y sistemas educativos.

Guerrero-Zambrano, Marcos Francisco, Universidad Estatal de Milagro

Marcos Francisco Guerrero Zambrano es docente e investigador de la Universidad Estatal de Milagro, con trayectoria académica vinculada a la educación científica. Es Doctor en Educación en Ciencias Experimentales, Magíster en Enseñanza de la Física, cursa estudios en Magister en Inteligencia Artificial Aplicada a la Educación y es Ingeniero en Electricidad con mención en Automatización. Su trabajo se centra en la didáctica de la Física, tecnologías emergentes, TIC, laboratorios remotos, inteligencia artificial, robótica y metodologías activas. Además, ha publicado estudios sobre pensamiento crítico, formación docente y enseñanza de las ciencias.

Referencias

Afzaal, M., y Nouri, J. (2024). A Systematic Review of Software for Learning Analytics in Higher Education. International Journal of Emerging Technologies in Learning (iJET), 19(07), 17–43. https://doi.org/10.3991/ijet.v19i07.50313

Alfredo, R., Echeverria, V., Jin, Y., Yan, L., Swiecki, Z., Gašević, D., y Martinez-Maldonado, R. (2024). Human-Centred Learning Analytics and AI in Education: A Systematic Literature Review. Computers and Education: Artificial Intelligence, 6, 100215. https://doi.org/10.1016/j.caeai.2024.100215

Al-Zahrani, A., y Alasmari, T. (2023). Learning Analytics for Data-Driven Decision Making: Enhancing Instructional Personalization and Student Engagement in Online Higher Education. International Journal of Online Pedagogy and Course Design, 13, 1–18. https://doi.org/10.4018/IJOPCD.331751

Arcentales-Matute, J. P., Briones-García, N. M., Delgado-Mora, M. C., Domínguez-Chancay, D. S., García-Bucheli, C. C., Intriago-Giler, L. P., Intriago-Intriago, E. A., Leonidas, R., Segovia-García, M. S., y Velásquez-Olton, M. Y. (2026). Educar en Tiempos de Transformación: Innovación Pedagógica y Compromiso Social. En Oriente-Manabí Editorial. Oriente-Manabí Editorial. https://doi.org/10.63618/omeditorial/l18

Baker, R. S., y Hawn, A. (2022). Algorithmic Bias in Education. International Journal of Artificial Intelligence in Education, 32(4), 1052–1092. https://doi.org/10.1007/s40593-021-00285-9

Banihashem, S. K., Noroozi, O., van Ginkel, S., Macfadyen, L. P., y Biemans, H. J. A. (2022). A systematic review of the role of learning analytics in enhancing feedback practices in higher education. Educational Research Review, 37, 100489. https://doi.org/10.1016/j.edurev.2022.100489

Bergdahl, N., Bond, M., Sjöberg, J., Dougherty, M., y Oxley, E. (2024). Unpacking student engagement in higher education learning analytics: A systematic review. International Journal of Educational Technology in Higher Education, 21(1), 63. https://doi.org/10.1186/s41239-024-00493-y

Broos, T., Hilliger, I., Pérez-Sanagustín, M., Htun, N.-N., Millecamp, M., Pesántez-Cabrera, P., Solano-Quinde, L., Siguenza-Guzman, L., Zuñiga-Prieto, M., Verbert, K., y De Laet, T. (2020). Coordinating learning analytics policymaking and implementation at scale. British Journal of Educational Technology, 51(4), 938–954. https://doi.org/10.1111/bjet.12934

Cano-Zambrano, M. E., Cedeño-Montesdeoca, S. M., Cool-Vergara, E. N., Ganchozo-Loor, M. V., Holguín-Intriago, A. I., Mendoza-Briones, U. O., Mendoza-Pérez, A. V., Párraga-Gallardo, J. L., Sornoza-Bravo, J. C., y Zambrano-Domínguez, V. I. (2026). Reimaginar la educación pedagogía, innovación y sentido humano en la escuela contemporánea. En Oriente-Manabí Editorial. Oriente-Manabí Editorial. https://doi.org/10.63618/omeditorial/l19

Dai, W., Lin, J., Jin, F. J.-Y., Tsai, Y.-S., Srivastava, N., Bodic, P. L., Gašević, D., y Chen, G. (2025). Learning Analytics for Early Identification of At-Risk Students and Feedback Intervention. Journal of Learning Analytics, 12(3), 102–125. https://doi.org/10.18608/jla.2025.8735

De Oliveira, C. F., Sobral, S. R., Ferreira, M. J., y Moreira, F. (2021). How Does Learning Analytics Contribute to Prevent Students’ Dropout in Higher Education: A Systematic Literature Review. Big Data and Cognitive Computing, 5(4). https://doi.org/10.3390/bdcc5040064

De Silva, L. M. H., Chounta, I.-A., Rodríguez-Triana, M. J., Roa, E. R., Gramberg, A., y Valk, A. (2022). Toward an Institutional Analytics Agenda for Addressing Student Dropout in Higher Education: An Academic Stakeholders’ Perspective. Journal of Learning Analytics, 9(2), 179–201. https://doi.org/10.18608/jla.2022.7507

De Vreugd, L., Van Leeuwen, A., Jansen, R., y Van Der Schaaf, M. (2024). Learning Analytics Dashboard Design and Evaluation to Support Student Self-Regulation of Study Behaviour. Journal of Learning Analytics, 11(3), 249–262. https://doi.org/10.18608/jla.2024.8529

De Witte, K., y Chénier, M.-A. (2023). Learning Analytics in Education for the Twenty-First Century. En E. Bertoni, M. Fontana, L. Gabrielli, S. Signorelli, y M. Vespe (Eds.), Handbook of Computational Social Science for Policy (pp. 305–326). Springer International Publishing. https://doi.org/10.1007/978-3-031-16624-2_16

Dixon, N., Howe, R., y Richter, U. M. (2025). Exploring learning analytics practices and their benefits through the lens of three case studies in UK higher education. Research in Learning Technology, 33. https://doi.org/10.25304/rlt.v33.3127

Drăgoi, M.-V., Puiu, R.-A., Petrea, G., Cristoiu, C. A., y Dumitrescu, C.-I. (2026). Willingness to Allow Educational Data Use for Learning Analytics in Higher Education: Trust and Governance Predictors: An Exploratory Study. Education Sciences, 16(4). https://doi.org/10.3390/educsci16040637

Du Plooy, E., Casteleijn, D., y Franzsen, D. (2024). Personalized adaptive learning in higher education: A scoping review of key characteristics and impact on academic performance and engagement. Heliyon, 10(21). https://doi.org/10.1016/j.heliyon.2024.e39630

Fazil, M., Rísquez, A., y Halpin, C. (2024). A Novel Deep Learning Model for Student Performance Prediction Using Engagement Data. Journal of Learning Analytics, 11(2), 23–41. https://doi.org/10.18608/jla.2024.7985

Foster, E., y Siddle, R. (2020). The effectiveness of learning analytics for identifying at-risk students in higher education. Assessment & Evaluation in Higher Education, 45(6), 842–854. https://doi.org/10.1080/02602938.2019.1682118

Freitas, E., Fonseca, F., Garcia, V., Falcão, T. P., Marques, E., Gašević, D., y Mello, R. F. (2024). MMALA: Developing and Evaluating a Maturity Model for Adopting Learning Analytics. Journal of Learning Analytics, 11(1), 67–86. https://doi.org/10.18608/jla.2024.8099

García-García, F. J., Gómez-Núñez, M. I., y Molla-Esparza, C. (2026). Applications of learning analytics in the study of academic performance in higher education: A meta-review with an educational perspective. Higher Education. https://doi.org/10.1007/s10734-026-01709-y

Godínez, T. B., Garza, G. C., Mora, R. P., Ceballos, H. G., Luz, V. L. de la, Moreno-Salinas, J. G., Zavala-Sierra, I. R., Santos-Solórzano, R., Arellano, C. I. M., y Sánchez-Mendiola, M. (2024). Perspectives and Opportunities for Learning Analytics Integration: A Qualitative Study in Mexican Universities. Journal of Learning Analytics, 11(1), 49–66. https://doi.org/10.18608/jla.2024.8125

Guzmán-Valenzuela, C., Gómez-González, C., Rojas-Murphy Tagle, A., y Lorca-Vyhmeister, A. (2021a). Learning analytics in higher education: A preponderance of analytics but very little learning? International Journal of Educational Technology in Higher Education, 18(1), 23. https://doi.org/10.1186/s41239-021-00258-x

Guzmán-Valenzuela, C., Gómez-González, C., Rojas-Murphy Tagle, A., y Lorca-Vyhmeister, A. (2021b). Learning analytics in higher education: A preponderance of analytics but very little learning? International Journal of Educational Technology in Higher Education, 18(1), 23. https://doi.org/10.1186/s41239-021-00258-x

Hakimi, L., Eynon, R., y Murphy, V. A. (2021). The Ethics of Using Digital Trace Data in Education: A Thematic Review of the Research Landscape. Review of Educational Research, 91(5), 671–717. https://doi.org/10.3102/00346543211020116

Heiser, R., Underhill, G., y Stritto, M. E. D. (2026). Power, Privacy, and Transparency in Communicating Learning Analytics in Higher Education: A Critical Discourse Analysis. American Journal of Qualitative Research, 10(1), 246–265. https://doi.org/10.29333/ajqr/17463

Hernández-Campos, M., Gonzalez-Torres, A., y García-Peñalvo, F. J. (2025). Learning Outcomes Evaluation Through Learning Analytics Systems in Higher Education: A Systematic Literature Review. Sage Open, 15(3), 21582440251347374. https://doi.org/10.1177/21582440251347374

Hilliger, I., Ortiz-Rojas, M., Pesántez-Cabrera, P., Scheihing, E., Tsai, Y.-S., Muñoz-Merino, P. J., Broos, T., Whitelock-Wainwright, A., Gašević, D., y Pérez-Sanagustín, M. (2020). Towards learning analytics adoption: A mixed methods study of data-related practices and policies in Latin American universities. British Journal of Educational Technology, 51(4), 915–937. https://doi.org/10.1111/bjet.12933

Ifenthaler, D., y Yau, J. Y.-K. (2020). Utilising learning analytics to support study success in higher education: A systematic review. Educational Technology Research and Development, 68(4), 1961–1990. https://doi.org/10.1007/s11423-020-09788-z

Jones, K. M. L. (2019). Learning analytics and higher education: A proposed model for establishing informed consent mechanisms to promote student privacy and autonomy. International Journal of Educational Technology in Higher Education, 16(1), 24. https://doi.org/10.1186/s41239-019-0155-0

Kaliisa, R., Misiejuk, K., López-Pernas, S., Khalil, M., y Saqr, M. (2024). Have Learning Analytics Dashboards Lived Up to the Hype? A Systematic Review of Impact on Students’ Achievement, Motivation, Participation and Attitude. Proceedings of the 14th Learning Analytics and Knowledge Conference, LAK ’24, 295–304. https://doi.org/10.1145/3636555.3636884

Khalil, M., Prinsloo, P., y Slade, S. (2023). The use and application of learning theory in learning analytics: A scoping review. Journal of Computing in Higher Education, 35(3), 573–594. https://doi.org/10.1007/s12528-022-09340-3

Khosravi, H., Shibani, A., Jovanovic, J., Pardos, Z. A., y Yan, L. (2025). Generative AI and Learning Analytics: Pushing Boundaries, Preserving Principles. Journal of Learning Analytics, 12(1), 1–11. https://doi.org/10.18608/jla.2025.8961

Kizilcec, R. F., y Lee, H. (2022). Algorithmic fairness in education. En The Ethics of Artificial Intelligence in Education. Routledge. https://www.taylorfrancis.com/chapters/edit/10.4324/9780429329067-10/algorithmic-fairness-education-ren%C3%A9-kizilcec-hansol-lee

Korir, M., Slade, S., Holmes, W., Héliot, Y., y Rienties, B. (2023). Investigating the dimensions of students’ privacy concern in the collection, use and sharing of data for learning analytics. Computers in Human Behavior Reports, 9, 100262. https://doi.org/10.1016/j.chbr.2022.100262

Lang, C., Siemens, G., Wise, A. F., Gašević, D., y Merceron, A. (2022). Handbook of Learning Analytics (Second edition). https://doi.org/10.18608/hla22

Lemay, D. J., Baek, C., y Doleck, T. (2021). Comparison of learning analytics and educational data mining: A topic modeling approach. Computers and Education: Artificial Intelligence, 2, 100016. https://doi.org/10.1016/j.caeai.2021.100016

Molla-Esparza, C., Gómez-Núñez, M. I., y García-García, F. J. (2025). Applications of learning analytics in the study of academic performance in higher education: A pilot-tested meta-review protocol. International Journal of Educational Research Open, 8, 100433. https://doi.org/10.1016/j.ijedro.2024.100433

Namoun, A., y Alshanqiti, A. (2020). Predicting Student Performance Using Data Mining and Learning Analytics Techniques: A Systematic Literature Review. Applied Sciences, 11(1). https://doi.org/10.3390/app11010237

OECD. (2023). OECD Digital Education Outlook 2023: Towards an Effective Digital Education Ecosystem. OECD Publishing. https://doi.org/https://doi.org/10.1787/c74f03de-en

Pan, Z., Biegley, L., Taylor, A., y Zheng, H. (2024). A Systematic Review of Learning Analytics: Incorporated Instructional Interventions on Learning Management Systems. Journal of Learning Analytics, 11(2), 52–72. https://doi.org/10.18608/jla.2023.8093

Pargman, T. C., y McGrath, C. (2021). Mapping the Ethics of Learning Analytics in Higher Education: A Systematic Literature Review of Empirical Research. Journal of Learning Analytics, 8(2), 123–139. https://doi.org/10.18608/jla.2021.1

Rienties, B., Tempelaar, D., Nguyen, Q., y Rogaten, J. (2024). The use of data analytics to support the development of assessment practices in higher education. En Research Handbook on Innovations in Assessment and Feedback in Higher Education (pp. 194–209). Edward Elgar Publishing. https://www.elgaronline.com/edcollchap/book/9781800881600/chapter11.xml

Riestra-González, M., Paule-Ruíz, M. del P., y Ortin, F. (2021). Massive LMS log data analysis for the early prediction of course-agnostic student performance. Computers & Education, 163, 104108. https://doi.org/10.1016/j.compedu.2020.104108

Romero, C., y Ventura, S. (2020). Educational data mining and learning analytics: An updated survey. WIREs Data Mining and Knowledge Discovery, 10(3), e1355. https://doi.org/10.1002/widm.1355

Saqr, M., López-Pernas, S., Helske, S., y Hrastinski, S. (2023). The longitudinal association between engagement and achievement varies by time, students’ profiles, and achievement state: A full program study. Computers & Education, 199, 104787. https://doi.org/10.1016/j.compedu.2023.104787

Soffer, T., y Cohen, A. (2024). Privacy versus pedagogy – students’ perceptions of using learning analytics in higher education. Australasian Journal of Educational Technology, 40(5), 14–30. https://doi.org/10.14742/ajet.9130

Tsai, Y.-S., Whitelock-Wainwright, A., y Gašević, D. (2021). More Than Figures on Your Laptop: (Dis)trustful Implementation of Learning Analytics. Journal of Learning Analytics, 8(3), 81–100. https://doi.org/10.18608/jla.2021.7379

Wasson, B., Giannakos, M., Blikstad-Balas, M., Uppstad, P. H., Langford, M., y Bøhn, E. D. (2024). Implementing Learning Analytics in Norway: Four Central Dilemmas. Journal of Learning Analytics, 11(2), 268–280. https://doi.org/10.18608/jla.2024.8241

Weidlich, J., Fink, A., Frey, A., Jivet, I., Gombert, S., Menzel, L., Giorgashvili, T., Yau, J., y Drachsler, H. (2025). Highly informative feedback using learning analytics: How feedback literacy moderates student perceptions of feedback. International Journal of Educational Technology in Higher Education, 22(1), 43. https://doi.org/10.1186/s41239-025-00539-9

Descargas

Publicado

2026 julio 9

Licencia

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.

Detalles sobre esta monografía

ISBN-13 (15)

978-9907-9567-0-2

Cómo citar

Velasco-Holguin, N. P., Reategui-Noriega, E. E., Chang-Gómez, M. A., Dávila-Alva, E., Araujo-Criollo, M. D., Ramos-Zapata, A. L., García-Lino, M. E., Alcívar-Cuenca, P. E., Alarcon-Anco, R. J., & Guerrero-Zambrano, M. F. (2026). Educación basada en datos. Learning Analytics para mejorar el rendimiento académico y la gestión universitaria. Oriente-Manabí Editorial. https://doi.org/10.63618/omeditorial/l25