Micro-Evaluación Formativa Progresiva: uso de la analítica de aprendizaje para detectar brechas en el desarrollo de funciones ejecutivas
DOI:
https://doi.org/10.63535/3haey149Keywords:
Micro-evaluación; Formación progresiva; Analítica de aprendizaje; Funciones ejecutivas.Abstract
El presente estudio plateó como objetivo: analizar la relación existente entre la micro-evaluación formativa progresiva y el uso de la analítica de aprendizaje en la detección de brechas en el desarrollo de funciones ejecutivas en la Educación Inicial ecuatoriana. Se circunscribe en el paradigma positivista bajo un enfoque cuantitativo, caracterizado por su rigurosidad en la recolección, medición numérica y análisis estructurado de datos. Dado el volumen de la población nacional de escuelas fiscalizadas, se determinó una muestra representativa probabilística integrada por un total de 887 informantes clave. Metodológicamente se enmarca en un diseño no experimental, sustentado en un nivel de investigación de corte correlacional. La fiabilidad y coherencia interna de los reactivos aplicados en la prueba piloto fue evaluada mediante la aplicación del coeficiente de correlación de Pearson entre formas paralelas o test-retest, reportando un resultado de 0,78. Entre los resultados se determina que, los coeficientes confirman la existencia de relaciones estadísticamente significativas, positivas y de magnitud moderada-alta. La correlación entre la Analítica de Aprendizaje (X2) y la Detección de Brechas en FE (Y) (r = 0,634; p < 0,001) demuestra que el procesamiento sistemático de datos digitales fortalece directamente la identificación temprana de alteraciones neurofuncionales. Por su parte, la Micro-evaluación Formativa (X1) presenta una correlación de r = 0,586 (p < 0,001) con la variable dependiente. Estos valores respaldan la tesis de que la observación pedagógica continua, combinada con el análisis algorítmico potencia la capacidad diagnóstica en el aula.
Downloads
References
Ardila, A., Rosselli, M., y Matute, E. (2020). Neuropsicología del desarrollo infantil. Barcelona: Mc Graw Hill.
Arias, H., y Paredes, M. (2021). Analítica del aprendizaje en la educación superior e inicial del Ecuador: Retos de la inclusión digital. Revista San Gregorio, 1(44), 112–128. https://doi.org/10.36097/rsg.v1i44.1685
Arias, F. (2020). El proyecto de investigación: introducción a la metodología científica (7.ª ed.). Venezuela: Editorial Episteme.
Arias, H., y Paredes, M. (2021). Analítica del aprendizaje en la educación superior e inicial del Ecuador: retos de la inclusión digital. Revista San Gregorio, 1(44), 112–128. https://doi.org/10.36097/rsg.v1i44.1685
Barrera, F., Gertler, P., y Patrinos, H. A. (2017). Impacto del entorno socioeconómico en el desarrollo cognitivo infantil. Revista Latinoamericana de Economía del Desarrollo.
Black, P., & Wiliam, D. (2018). Classroom assessment and the ethics of care. Florida: Jhonson & Jhonson.
Blair, C., & Raver, C. (2015). School readiness and self-regulation: a developmental psychobiological approach. Annual Review of Psychology. DOI: https://doi.org/10.1146/annurev-psych-010814-015221
Creswell, J., & Creswell, J. (2018). Research design: qualitative, quantitative, and mixed methods approaches (5.ª ed.). SAGE Publications.
Diamond, A. (2013). Executive functions. Annual Review of Psychology, 64, 135-168. DOI: https://doi.org/10.1146/annurev-psych-113011-143750
Ferguson, R. (2012). The state of learning analytics in 2012: a review and future challenges. Technical Report KMI-12-01.
Field, A. (2018). Descubriendo la estadística usando IBM SPSS (5th ed.). SAGE Publications.
García, D., Álvarez, R., y Erazo, C. (2022). Evaluación formativa y desarrollo infantil: un análisis integrador desde el aula inicial ecuatoriana. EPISTEME KOINONIA, 5(9), 45–62. https://doi.org/10.35381/e.k.v5i9.1820
García, L., y Ramírez, J. (2022). Creatividad y flexibilidad cognitiva en educación inicial. Revista de Psicología Educativa vol. 3-22.
García, D., Álvarez, R., y Erazo, C. (2022). Evaluación formativa y desarrollo infantil: un análisis integrador desde el aula inicial ecuatoriana. EPISTEME KOINONIA, 5(9), 45–62. https://doi.org/10.35381/e.k.v5i9.1820
Greller, W., & Drachsler, H. (2012). Translating learning into numbers: a generic framework for learning analytics. Educational Technology & Society.
Heckman, J. (2006). Skill formation and the economics of investing in disadvantaged children. Science, 312(5782), 1900-1902. DOI: https://doi.org/10.1126/science.1128898
Hernández, R., & Mendoza, C. (2018). Metodología de la investigación: las rutas cuantitativa, cualitativa y mixta. México: McGraw-Hill Education. DOI: https://doi.org/10.17993/CcyLl.2018.15
Jurado, M., y Rosselli, M. (2019). Neuropsicología del desarrollo. Barcelona: Médica Panamericana.
López, P., Fernández, R., y Martínez, S. (2021). Programas educativos para el control inhibitorio. Revista Latinoamericana de Psicología Vol2-3r-21.
Ministerio de Educación del Ecuador. (2019). Informe sobre el estado de la educación inicial en Ecuador. Quito: Ministerio de Educación.
Nicol, D., & Macfarlane, D. (2006). Formative assessment and self-regulated learning: a model and seven principles of good feedback practice. Studies in Higher Education. DOI: https://doi.org/10.1080/03075070600572090
Otzen, T., y Manterola, C. (2017). Técnicas de muestreo sobre una población a estudio. International Journal of Morphology, 35(1), 227–232. https://doi.org/10.4067/S0717-95022017000100037 DOI: https://doi.org/10.4067/S0717-95022017000100037
Palella, S., y Martins, F. (2010). Metodología de la investigación cuantitativa. Venezuela: FEDUPEL.
Pardo, A. (2019). Ethical and privacy principles for learning analytics. British Journal of Educational Technology.
Pérez, C., y Morales, L. (2023). Estrategias educativas para el desarrollo de funciones ejecutivas. Costa Rica: SIGMA.
Ramos, C., Acosta, P., y Bolaños, M. (2020). Analítica del aprendizaje y evaluación de las funciones ejecutivas en el contexto escolar. Revista Ecuatoriana de Neurología, 29(2), 45–52. https://doi.org/10.46997/revecuatneurol29200045
Rodríguez, H., y Delgado, M. (2021). Micro-evaluación e instrumentos estandarizados para la infancia temprana: un enfoque cuantitativo. Revista de Investigación Psicológica y Educativa, 19(1), 88–101.
Romero, C., y Ventura, S. (2010). Educational data mining: a review of the state of the art. IEEE Transactions on Systems, Man, and Cybernetics. DOI: https://doi.org/10.1109/TSMCC.2010.2053532
Sabino, C. (2007). El proceso general de la investigación científica. Venezuela: PANAPO.
Sánchez, A., Pérez, A., y Romero, R. (2021). Competencia digital docente e infraestructura tecnológica en las escuelas públicas del Ecuador. Revista Iberoamericana de Educación a Distancia, 24(2), 215–233. https://doi.org/10.5944/ried.24.2.29085
Shonkoff, J., & Phillips, D. (2000). From neurons to neighborhoods: the science of early childhood development. NY: National Academy Press.
Siemens, G., & Baker, R. (2012). Learning analytics and educational data mining: towards communication and collaboration. Proceedings of the 2nd International Conference on Learning Analytics & Knowledge. DOI: https://doi.org/10.1145/2330601.2330661
Siemens, G. (2013). Learning analytics: the emergence of a discipline. NY: American Behavioral Scientist. DOI: https://doi.org/10.1177/0002764213498851
Tejedor, F. (2019). Anova en la investigación educativa mediante el SPSS. Revista d'Innovació i Recerca en Educació, 12(2), 1–18.
UNESCO. (2021). Atención y educación de la primera infancia. Paris: United Nations Educational, Scientific and Cultural Organization.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Anita Cecilia González Cárdenas, Miguel Ángel Aguilar Mendoza, Digna Isabel Sánchez Vera, Yony Farfán Robles, Nadia del Rosario Vásconez Colina (Autor/a)
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Copyright and Licensing Notice
1. Retention and Assignment of Rights
Authors who publish in the Prospherus Scientific Journal retain the Copyright of their works, granting the journal the right of first publication. This initial publication is carried out under the terms of the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License (CC BY-NC-ND 4.0).
2. Conditions for Reuse
The CC BY-NC-ND 4.0 license allows any user to read, download, copy, and distribute the published work, provided that the following three conditions are strictly met:
-
Attribution (BY): Clear and explicit mention of the work's authorship must be made, and the original publication in this journal must be cited.
-
NonCommercial (NC): The use of the material must always be for non-commercial purposes.
-
NoDerivatives (ND): The work must be maintained in its original integrity, and modification, adaptation, or creation of derivative works (such as translations or remixes) based on the article is not permitted.
3. Additional Contractual Agreements and Repositories
Authors are permitted to enter into other independent and additional contractual agreements for the non-exclusive distribution of the published version of the article (for example, including it in an institutional repository or on a personal website) provided that:
-
It is unequivocally indicated that the work was first published in the Prospherus Scientific Journal.
-
The redistribution respects the restrictive terms of the CC BY-NC-ND 4.0 license (non-commercial use and no modifications).
4. Disclaimer
The Prospherus Scientific Journal will in no case be liable for any direct, indirect, incidental, punitive, or consequential claims of copyright infringement related to articles that have been published in any of its issues. Responsibility for originality and obtaining permissions for third-party material rests entirely with the authors.
