Comunicación educativa, análisis del aprendizaje y retroalimentación en educación superior: una revisión integradora desde una perspectiva dinámica y sistémica
DOI:
https://doi.org/10.65415/7mgmvd11Palabras clave:
comunicación educativa, educación superior, Análisis del Aprendizaje, retroalimentación, sistemas dinámicos, observabilidad, controlabilidadResumen
La comunicación educativa en la educación superior integra procesos de interacción, retroalimentación, interpretación de información y adaptación pedagógica que suelen estudiarse desde perspectivas diferenciadas. Esta revisión integradora tuvo como objetivo analizar la literatura reciente sobre estos procesos y determinar no solo la presencia y concurrencia de sus principales componentes, sino también el grado en que estos se encuentran funcionalmente conectados. Se realizó una búsqueda en Scopus de publicaciones correspondientes al período 2021–2026 mediante cuatro estrategias complementarias, que recuperaron 1.628 registros. Tras la eliminación de duplicados, el cribado y la evaluación de elegibilidad, se conformó un corpus analítico de 158 estudios. Estos fueron codificados mediante siete categorías: Análisis del Aprendizaje, retroalimentación, intervención/adaptación, engagement, autorregulación del aprendizaje, inteligencia artificial/Machine Learning y predicción/riesgo. Posteriormente, se analizaron sus intersecciones y se realizó una auditoría funcional de los 20 estudios que reunían Análisis del Aprendizaje, retroalimentación e intervención/adaptación. Los resultados mostraron una reducción progresiva al aumentar el nivel de articulación exigido: 97 estudios (61,4 %) incorporaron Análisis del Aprendizaje, 43 (27,2 %) combinaron Análisis del Aprendizaje y retroalimentación, 20 (12,7 %) incorporaron además intervención/adaptación y solo 10 (6,3 %) permitieron documentar un ciclo funcional completo de observación, interpretación, retroalimentación o apoyo, intervención/adaptación y respuesta posterior. Esta progresión permitió diferenciar operacionalmente tres niveles de análisis: presencia temática, concurrencia de componentes e integración funcional. Los hallazgos indican que la coexistencia de datos, retroalimentación e intervención no implica necesariamente que estos elementos formen parte de un proceso pedagógico conectado. Sobre esta base empírica, los hallazgos se interpretan desde una perspectiva dinámica y sistémica de la comunicación educativa, utilizando la observabilidad y la controlabilidad como categorías conceptuales —no como propiedades matemáticas directamente atribuidas al aula— para examinar las relaciones entre información y actuación pedagógica. Se propone así comprender la comunicación educativa como un proceso potencialmente iterativo en el que observar, interpretar, comunicar, actuar y volver a observar constituyen funciones relacionadas
Descargas
Referencias
Akinyi, G. L., Oboko, R., & Muchemi, L. (2024). Learning analytics intervention using prompts and retroalimentación for measurement of e-learners' socially-shared regulated learning. Electronic Journal of e-Learning, 22(5), 103–116. https://doi.org/10.34190/ejel.22.5.3253
Al-Hussein, W. A., Al-kharaz, A. A., & Abdulameer, A. T. (2026). Designing an intelligent adaptive learning assistant using natural language processing to enhance students' academic performance. Indian Journal of Information Sources and Services, 16(2), 233–242. https://doi.org/10.51983/ijiss-2026.16.2.24
Black, P., & Wiliam, D. (1998). Assessment and classroom learning. Assessment in Education: Principles, Policy & Practice, 5(1), 7–74. https://doi.org/10.1080/0969595980050102
Bond, M., Buntins, K., Bedenlier, S., Zawacki-Richter, O., & Kerres, M. (2020). Mapping research in student engagement and educational technology in higher education: A systematic evidence map. International Journal of Educational Technology in Higher Education, 17, Article 2. https://doi.org/10.1186/s41239-019-0176-8
Bridge, C., Cohen, J., & Liu, D. Y. T. (2025). “I feel seen”: What higher education students find helpful in learning analytics-informed personalised messaging from teachers. Journal of University Teaching and Learning Practice, 22(4). https://doi.org/10.53761/xz6w5w79
Bruner, J. (1996). The culture of education. Harvard University Press.
Byrne, D., & Callaghan, G. (2014). Complexity theory and the social sciences: The state of the art. Routledge. https://doi.org/10.4324/9780203519585
Carless, D., & Boud, D. (2018). The development of student retroalimentación literacy: Enabling uptake of retroalimentación. Assessment & Evaluation in Higher Education, 43(8), 1315–1325. https://doi.org/10.1080/02602938.2018.1463354
Dahmani, N., Ali, W., Aboelenein, M., Alsmairat, M. A. K., & Faizi, M. (2024). From classroom interaction to academic success: Tracing the mediating role of effective communication in faculty-student dynamics. Cogent Education, 11(1), Article 2377847. https://doi.org/10.1080/2331186X.2024.2377847
Freeman, S., Eddy, S. L., McDonough, M., Smith, M. K., Okoroafor, N., Jordt, H., & Wenderoth, M. P. (2014). Active learning increases student performance in science, engineering, and mathematics. Proceedings of the National Academy of Sciences, 111(23), 8410–8415. https://doi.org/10.1073/pnas.1319030111
Freire, P. (1970). Pedagogy of the oppressed. Continuum.
Geng, G., Zhu, Y., & Disney, L. P. (2023). Reconceptualise a dynamic framework of the learning constructs in higher education. Higher Education Quarterly, 77(4), 655–675. https://doi.org/10.1111/hequ.12427
Hattie, J., & Timperley, H. (2007). The power of retroalimentación. Review of Educational Research, 77(1), 81–112. https://doi.org/10.3102/003465430298487
Jin, F. J.-Y., Maheshi, B., Lai, W., Li, Y., Gasevic, D., Chen, G., Charwat, N., Chan, P. W. K., Martinez-Maldonado, R., Gašević, D., & Tsai, Y.-S. (2025). Students' perceptions of generative AI-powered learning analytics in the retroalimentación process: A retroalimentación literacy perspective. Journal of Análisis del Aprendizaje, 12(1), 152–168. https://doi.org/10.18608/jla.2025.8609
Koopmans, M. (2020). Education is a complex dynamical system: Challenges for research. The Journal of Experimental Education, 88(3), 358–374. https://doi.org/10.1080/00220973.2019.1566199
Lim, L., Bannert, M., van der Graaf, J., Singh, S., Fan, Y., Surendrannair, S., Rakovic, M., Molenaar, I., Moore, J., & Gašević, D. (2023). Effects of real-time analytics-based personalized scaffolds on students' self-regulated learning. Computers in Human Behavior, 139, Article 107547. https://doi.org/10.1016/j.chb.2022.107547
Meadows, D. H. (2008). Thinking in systems: A primer. Chelsea Green Publishing.
Morris, R., Perry, T., & Wardle, L. (2021). Formative assessment and retroalimentación for learning in higher education: A systematic review. Review of Education, 9(3), Article e3292. https://doi.org/10.1002/rev3.3292
Nanade, S., Dash, D., & Rizvi, A. H. (2026). Enhancing learning outcomes in VR/AR and robotics programming courses using real-time adaptive retroalimentación. Journal of Engineering Education Transformations, 39(Special Issue 3), 60–67. https://doi.org/10.16920/jeet/2026/v39is3/26098
Núñez Ramos, C. A., & Navarrete Vaca, L. T. (en revisión). Learning Analytics and Feedback in Higher Education: From Thematic Presence to Functional Integration. Manuscrito en revisión.
Ustun, A. B., Zhang, K., Karaoğlan-Yilmaz, F. G., & Yilmaz, R. (2023). Learning analytics based retroalimentación and recommendations in flipped classrooms: An experimental study in higher education. Journal of Research on Technology in Education, 55(5), 841–857. https://doi.org/10.1080/15391523.2022.2040401
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press.
Weidlich, J., Fink, A., Frey, A., Jivet, I., Gombert, S., Menzel, L., Giorgashvili, T., Yau, J., & Drachsler, H. (2025). Highly informative retroalimentación using learning analytics: How retroalimentación literacy moderates student perceptions of retroalimentación. International Journal of Educational Technology in Higher Education, 22, Article 43. https://doi.org/10.1186/s41239-025-00539-9
Yilmaz, M., Gauthier, A., & Cukurova, M. (2026). Supporting online learners' regulation skills with the help of learning analytics and generative artificial intelligence. Educational Technology Research and Development, 74, 1223–1252. https://doi.org/10.1007/s11423-026-10595-1
Yousef, A. M. F., & Khatiry, A. R. (2023). Cognitive versus behavioral learning analytics dashboards for supporting learner's awareness, reflection, and learning process. Interactive Learning Environments, 31(9), 5460–5476. https://doi.org/10.1080/10494820.2021.2009881
Zhao, Y., & Yang, Z. (2024). Research on collaborative innovation optimization strategies for digitally enabled higher education ecosystems. PLOS ONE, 19(4), Article e0302285. https://doi.org/10.1371/journal.pone.0302285
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Lisseth Tatiana Navarrete-Vaca, Cristhian Alexander Núñez-Ramos
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
