Seguimiento procesual en la educación superior virtual: revisión sistemática de evidencias e instrumentos desde la TECP
DOI:
https://doi.org/10.63862/rhs-v1n3-648-664-2026Palabras clave:
Seguimiento procesual, educación superior virtual, analítica del aprendizaje, inteligencia artificial, evaluación formativa, TECPResumen
El monitoreo procesal se considera un elemento fundamental de la evaluación formativa de los entornos de aprendizaje en la educación superior virtual puesto que permite obtener, interpretar y evaluar evidencias generadas en el desarrollo del proceso de aprendizaje. Este estudio tuvo como objetivo identificar y sintetizar las estrategias de monitoreo procesal y los instrumentos de medición utilizados para ello en entornos universitarios virtuales, a partir del cual se pretende proporcionar sustento empírico a la Teoría de las Evidencias Cognitivas Progresivas (TECP). Se realizó una revisión sistemática siguiendo los lineamientos PRISMA 2020 a partir de la búsqueda de estudios publicados entre los años 2022 y 2026 en Scopus, Web of Science, ScienceDirect, ProQuest, SciELO y Dialnet. Luego de aplicar criterios de inclusión y exclusión se seleccionaron 8 estudios para la síntesis cualitativa. Los resultados evidencian que las estrategias de monitoreo más identificadas corresponden a la retroalimentación individualizada, autorregulación y analítica del aprendizaje, mientras que los instrumentos más frecuentemente encontrados son los sistemas de inteligencia artificial, los entornos de realidad virtual y los dashboards analíticos. Se concluye que las evidencias encontradas sustentan un modelo integrador del monitoreo procesal desde la Teoría de las Evidencias Cognitivas Progresivas (TECP) fortaleciendo su rol en la evaluación formativa desde la educación superior virtual.
Descargas
Referencias
Aufenanger, S., Bastian, J., Bastos, G., Castelhano, M., Dias, C., Fokides, E., Gavalas, D., Kasapakis, V., Agelada, A., Kostas, A., Koutromanos, G., Makrides, G., Morgado, L., Pedrosa, D., Szemberg, T., Sofos, A., & Szpond, J. (2025). Immersive virtual reality learning environments for higher education: A student acceptance study. Computers and Education: X Reality, 7(12), 1–14. https://doi.org/10.1016/j.cexr.2025.100105
Azad, H., Guedidi, A., & Poellhuber, B. (2026). Balancing Gamification and Self-Regulated Learning in a User-Centered Analytics Dashboard for LMS Platforms. Applied Sciences, 16(16), 1–38. https://doi.org/10.3390/app16168128
Bernauer, J., Fuller, R., & Cassels, A. (2024). Transforming Courses Across Teaching Modalities in Higher Education. Current Issues in Education, 25(1), 1–27. https://doi.org/10.14507/cie.vol25iss1.2157
Borchers, C., Gurung, A., Liu, Q., Thomas, D. R., Khalil, M., & Koedinger, K. R. (2026). Brief but Impactful: How Human Tutoring Interactions Shape Engagement in Online Learning. In 16th International Learning Analytics and Knowledge Conference, LAK 2026 (Vol. 1, Issue 1). Association for Computing Machinery. https://doi.org/10.1145/3785022.3785041
Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101. https://doi.org/10.1191/1478088706qp063oa
Cuéllar, Ó., Contero, M., & Hincapié, M. (2025). Personalized and Timely Feedback in Online Education: Enhancing Learning with Deep Learning and Large Language Models. Multimodal Technologies and Interaction, 9(5). https://doi.org/10.3390/mti9050045
de Barba, P., Oliveira, E., & English, N. (2025). Development and validation of a learning analytics rubric for self-regulated learning. Educational Technology Research and Development, 73(5), 3223–3245. https://doi.org/10.1007/s11423-025-10521-x
Delgado, C., & Mayer, R. (2025). Incorporating a Generative Learning Activity During Learning a Procedural Skill in Immersive Virtual Reality. Journal of Educational Computing Research, 63(4), 930–953. https://doi.org/10.1177/07356331251333522
Galindo, H., Delgado, N., Sainz, M., & Etxabe, J. (2026). Self-regulation and overreliance on artificial intelligence: Unpacking a paradox through a mixed-methods study in higher education. Computers in Human Behavior, 181(1), 1–10. https://doi.org/10.1016/j.chb.2026.108985
Hernández, C., Pabon, C., & Meza, H. (2022). Opportunities and Challenges of the Hybrid Modality in Higher Education. Journal of Language and Linguistic Studies, 18(1), 1067–1075. https://www.jlls.org/index.php/jlls/article/view/4920
Kim, J., Lin, X., Yu, S., & Detrick, R. (2026). Adult learners’ perspectives of AI applications in supporting andragogy. Educational Technology Research and Development, 1(1), 1-28. https://doi.org/10.1007/s11423-026-10621-2
Kovtoniuk, M., Kosovets, O., Soia, O., & Tyutyun, L. (2022). Virtual learning environments: major trends in the use of modern digital technologies in higher education institutions. Educational Technology Quarterly, 1(3), 183–202. https://doi.org/10.55056/etq.35
Krumova, M. (2023). Research on LMS and KPIs for Learning Analysis in Education. Smart Cities, 6(1), 626–638. https://doi.org/10.3390/smartcities6010029
Kuzminska, O. H., & Mazorchuk, M. S. (2025). Virtual collaboration in education: tool selection patterns for project-based learning in the context of group dynamics. Educational Technology Quarterly, 2025(2), 121–133. https://doi.org/10.55056/etq.705
Mora, J., Díaz, R., & Rodríguez, F. (2025). Validation of questionnaires on the evaluation of the quality of LMS platforms in the university context using the modified DELPHI method. International Journal of Innovative Research and Scientific Studies, 8(4), 2205–2218. https://doi.org/10.53894/ijirss.v8i4.8357
Page, M., McKenzie, J., Bossuyt, P., Boutron, I., Hoffmann, T., Mulrow, C., Shamseer, L., Tetzlaff, J., Akl, E., Brennan, S., Chou, R., Glanville, J., Grimshaw, J., Hróbjartsson, A., Lalu, M., Li, T., Loder, E., Mayo, E., McDonald, S., … Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. Research Methods and Reporting, 1(1), 1–9. https://doi.org/10.1136/bmj.n71
Silva, J., Pacheco, D., Orsolin, C., & Sartori, F. (2025). Digital transformation in the management of higher education institutions. Sustainable Futures, 9(5), 1–7. https://doi.org/10.1016/j.sftr.2025.100692
Vega, L. (2026a). Teoría de la evidencia cognitiva progresiva: fundamentos para un nuevo modelo de evaluación del aprendizaje. Revista Multidisciplinar Epistemología de Las Ciencias, 3(3), 775–784. https://doi.org/10.71112/efty4b16
Vega, L. (2026b). Teoría de la Evidencia Cognitiva Progresiva para la evaluación del aprendizaje. Revista Académica Internacional de Investigación Multidisciplinaria, 1(3), 1–9. https://doi.org/10.59614/acief1202657
Xin, H., & Yang, F. (2024). Research on visual monitoring and feedback of online learning for college students from the perspective of learning analytics. En Proceedings of the 2024 7th International Conference on Educational Technology Management (ICETM 2024) (pp. 44–48). Association for Computing Machinery. https://doi.org/10.1145/3711403.3711432
Yu, N., Shi, W., Dong, W., & Kang, R. (2025). The Impact of Virtual Reality Immersion on Learning Outcomes: A Comparative Study of Declarative and Procedural Knowledge Acquisition. Behavioral Sciences, 15(10), 1–19. https://doi.org/10.3390/bs15101322
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Revista Hambatu Science
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
