Patrones multidimensionales de aprendizaje en la educación superior: un análisis estadístico basado en la evidencia sobre la densidad

Article Sidebar

PDF HTML
Published: 2026-09-28
DOI: https://doi.org/10.5281/zenodo.21895447
Keywords:
Descripción densa, complejidad, proceso de aprendizaje multidimensional, educación superior.

Main Article Content

Patricia Moyota- Amaguaya
Escuela Superior Politécnica de Chimborazo (ESPOCH), Ecuador.
https://orcid.org/0000-0002-0661-2855
María Eugenia Rodríguez-Durán
Escuela Superior Politécnica de Chimborazo (ESPOCH), Ecuador.
https://orcid.org/0000-0002-5721-155X
Lina Morales-Rodas
Escuela Superior Politécnica de Chimborazo (ESPOCH), Ecuador.
https://orcid.org/0000-0002-7779-9039
Daniel Hernán Millán-Ramos
Escuela Superior Politécnica de Chimborazo (ESPOCH), Ecuador.
https://orcid.org/0009-0004-7673-1501

Abstract

Examinamos la estructura multidimensional de los constructos relacionados con el aprendizaje en la Educación Superior (ES) mediante un análisis estadístico integrado. El objetivo era comprender si la idea de Geertz sobre la descripción de la profundidad puede ser útil para mejorar la competencia en inglés. El modelo incluyó escalas cognitivas, metacognitivas, afectivas y contextuales en estudiantes universitarios de diferentes programas académicos. Para ello, analizamos un conjunto de instrumentos estandarizados, recursos bibliográficos, comprensión conceptual, estrategias de aprendizaje, regulación metacognitiva, rendimiento cognitivo, compromiso afectivo y factores demográficos para medir la percepción de una mejor absorción del objetivo de competencia en inglés. Recopilamos información mediante estadística descriptiva, análisis de distribución, diagramas de caja y matrices de correlación por pares para evaluar la tendencia central, así como las posibilidades de dispersión, asimetría y relaciones intervariables. Los resultados revelaron patrones de distribución heterogéneos, la presencia de valores atípicos significativos y un comportamiento no normal en varias escalas, particularmente dentro de las dimensiones cognitiva y metacognitiva. Se identificaron correlaciones moderadas y estadísticamente significativas entre la comprensión conceptual y las estrategias metacognitivas, así como entre las dimensiones metacognitivas y afectivas, lo que indica una interdependencia estructural entre los procesos de aprendizaje.

Article Details

Issue

No. 28 (septiembre-diciembre) (2026): Redimensionar la discusión por lo público. El rol de lo político frente al pragmatismo.

Section

Artículos
Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

How to Cite

Patrones multidimensionales de aprendizaje en la educación superior: un análisis estadístico basado en la evidencia sobre la densidad. (2026). Encuentros. Revista De Ciencias Humanas, Teoría Social Y Pensamiento Crítico, 28 (septiembre-diciembre), 190-206. https://doi.org/10.5281/zenodo.21895447

References

Alsaiari, A., Alshmrany, S., & Alqahtani, F. (2025). Learning analytics and student engagement patterns in hybrid higher education environments. Computers & Education, 205, 104842.

Broadbent, J. (2023). Comparing online and blended learner engagement: The role of self-regulated learning strategies. Internet and Higher Education, 57, 100905.

Castro Aniyar, D. (2022). El arte de la predicción social. Apuntes sobre el uso de la ciencia y las emociones en sistemas inteligentes de predicción, en Cruz Marte, I. y Espinoza, A. El Futuro del Delito. Prognosis y Propuestas para el Campo Jurídico y Criminológico en el Siglo XXI. Editorial Mawil. https://mawil.us/wp-content/uploads/2023/05/EL-FUTURO-DEL-DELITO.pdf

De Barba, P. G., Oliveira, E. A., & English, N. (2025). Development and validation of a learning analytics rubric for self-regulated learning. Educational Technology Research and Development, 73, 3223–3245.

De Mooij, S., Lämsä, J., Lim, L., Aksela, O., Athavale, S., Jin, F., Li, T., & Azevedo, R. (2025). A systematic review of self-regulated learning through integration of multimodal data and artificial intelligence. Educational Psychology Review, 37, 54.

Faza, A., & Lestari, I. A. (2025). Self-regulated learning in the digital age: A systematic review of strategies, technologies, benefits, and challenges. International Review of Research in Open and Distributed Learning, 26(2), 23–58.

Gambo, Y., & Shakir, M. Z. (2021). Review on self-regulated learning in smart learning environments. Smart Learning Environments, 8(12).

Ge, X., Ifenthaler, D., & Spector, J. M. (2025). Learning analytics in higher education: Advancing theory, research, and practice. Educational Technology Research and Development, 73(1), 55–74.

Geertz, C. (1973). Thick Description: Toward an Interpretive Theory of Culture. Readings for a History of Anthropological Theory, Sixth Edition.

Greene, J. A., & Azevedo, R. (2022). A theoretical review of self-regulated learning research in technology-enhanced learning environments. Educational Psychology Review, 34, 1171–1203.

Hadwin, A. F., Järvelä, S., & Miller, M. (2023). Self-regulated, co-regulated, and socially shared regulation of learning. Educational Psychologist, 58(1), 1–15.

Heikkinen, S., Saqr, M., Malmberg, J., & Järvelä, S. (2023). Supporting self-regulated learning with learning analytics interventions: A systematic literature review. Education and Information Technologies, 28, 3059–3088.

Jansen, R. S., Leeuwen, A., Janssen, J., Jak, S., & Kester, L. (2023). Self-regulated learning in higher education: The role of metacognitive regulation in academic success. Educational Research Review, 38, 100511.

Lan, M., & Zhou, X. (2025). AI-empowered self-regulated learning in higher education: A systematic review. npj Science of Learning, 10, 21.

Li, M., Sha, L., & Hu, B. (2024). Learning analytics approaches to identify student learning patterns in blended education. Computers in Human Behavior, 149, 107935.

Liu, C., Bakar, Z. A., & Xu, Q. (2025). Self-regulated learning and academic achievement in higher education: A decade systematic review. International Journal of Research and Innovation in Social Science.

Nyman, T. (2024). Emotional engagement and metacognitive regulation in university learning environments. Learning and Instruction, 89, 101814.

Panadero, E. (2022). A review of self-regulated learning: Six models and four directions for research. Educational Psychology Review, 34, 173–205.

Rohrer, C. (2022) When to Use Which User-Experience Research Methods. NN/G. https://www.nngroup.com/articles/which-ux-research-methods/

Tauber, S. K., & Ariel, R. (2023). Metacognition and self-regulated learning in higher education. Memory & Cognition, 51, 789–804.

Urbina, S., Villatoro, S., & Salinas, J. (2021). Hybrid learning models and digital transformation in higher education. Education and Information Technologies, 26, 7191–7208.

Viberg, O., Khalil, M., & Baars, M. (2023). Self-regulated learning and learning analytics in online learning environments. Computers & Education, 188, 104543.

Robles-Mucho, J. L., Andrade-Girón, D. C., Benites-Tirado, V. R., et al. (2026). Open learner models and pedagogical strategies in higher education: A meta-synthesis of approaches to self-regulated learning. Frontiers in Education, 10, 1760183.

Sun, P., Li, Z., & Chen, Y. (2024). Effects of learning analytics-based feedback on students’ self-regulated learning and academic achievement. System, 124, 103388.

Xu, L., Duan, P., Padua, S. A., & Li, C. (2022). The impact of self-regulated learning strategies on academic performance in online learning. Frontiers in Psychology, 13, 1047680.