55
L-ISSN: 1316-0087
E-ISSN: 2244-7474
Investigación y Postgrado, 39(2), octubre 2024, pp. 55-76
ELEMENTOS DE INNOVACIÓN EDUCATIVA
Y DE MINERÍA DE DATOS PRESENTES EN LOS SISTEMAS
DE GESTIÓN DE APRENDIZAJE ORIENTADOS
A LA ENSEÑANZA DE LAS CIENCIAS SOCIALES
Johnny Monasterio Pérez1
jmonasterio@unimet.edu.ve
Jorge Alejandro Martínez Marín2
jomartinez@unimet.edu.ve
Universidad Metropolitana
(UNIMET)
Venezuela
Recibido: 14/04/2024 Aprobado: 01/10/2024
RESUMEN
Este artículo tuvo como objetivo analizar cómo la minería de datos, integrada con otras tecnologías
emergentes, conforman un conjunto de herramientas que favorecen la transmisión del conocimiento en las
diferentes áreas del saber en las ciencias sociales. Se aprecia cómo los métodos y el tratamiento de grandes
cantidades de datos han contribuido también a la resolución de los problemas educativos, admitiendo así la
necesidad de actualizar los procesos de enseñanza y aprendizaje en los espacios de la Educación Superior.
Se analizan elementos de innovación educativa y algunas técnicas de minería de datos vinculados con el
ámbito educativo. Como método se asumió un diseño documental abarcando las etapas planteadas por Arias
(2016). Los resultados revelan que el uso de las técnicas de minería de datos en los procesos de enseñanza
y aprendizaje de las ciencias sociales pone a disposición herramientas estratégicas que realzan los niveles
de competencias en Educación Superior.
Palabras clave: minería de datos; enseñanza-aprendizaje; elementos de innovación educativa; ciencias
sociales.
ELEMENTS OF EDUCATIONAL INNOVATION AND DATA MINING PRESENT IN
LEARNING MANAGEMENT SYSTEMS ORIENTED TO SOCIAL SCIENCES TEACHING
ABSTRACT
The objective of this paper was to analyze how data mining, integrated with other emerging technologies,
integrates a set of tools that favors the transmission of knowledge in the different areas of knowledge of the
social sciences. It is shown how the methods and treatment of large amounts of data have also contributed
to the resolution of educational problems, thus admitting the need to update teaching-learning processes in
higher education. Elements of educational innovation and some data mining techniques that are linked to
the teaching-learning process in this field are analyzed. As a method, a documentary design was assumed
covering the stages proposed by Arias (2016). The results reveal that the use of data mining techniques in
the teaching-learning processes of the social sciences provides strategic tools that enhance the levels of
competencies in higher education.
Keywords: data mining; teaching-learning; educational innovation; social sciences.
1
Johnny Monasterio Pérez. Doctor en Ciencias Gerenciales. Profesor investigador de la Facultad de Ciencias. Económicas y
Sociales, adscrito al Departamento de Banca, Contabilidad y Auditoría. Orcid: https://orcid.org/0000-0003-0762-4724.
Universidad de Adscripción: Universidad Metropolitana (Caracas, Venezuela).
2
Jorge Alejandro Martínez Marín. Doctorando en Ciencias de la Educación (Universidad Latinoamericana y del Caribe).
Maestría en Administración (Universidad Metropolitana de Caracas). Especialista en Comunicaciones y Redes de Comunicaciones
y Datos (Universidad Central de Venezuela). Ingeniero Informático (Universidad CentroOccidental “Lisandro Alvarado”). Orcid:
https://orcid.org/0000-0002-4324-4043. Universidad de Adscripción: Universidad Metropolitana (Caracas, Venezuela).
Elementos de innovación educativa y de minería de datos presentes
en los sistemas de gestión de aprendizaje orientados a la enseñanza
de las ciencias sociales
56
L-ISSN: 1316-0087
E-ISSN: 2244-7474
Investigación y Postgrado, 39(2), octubre 2024, pp. 55-76
Introducción
El término “información” ha recibido un tratamiento epistemológico conforme a la evolución
histórica de los tiempos. La primera transmisión de televisión, en 1926, terminó impactando los
procesos y métodos de la comunicación social, y fue hasta el año 1940 que se incorpora, a la
definición de información, una perspectiva científica en el marco de la era de la comunicación
electrónica. Posteriormente, con el invento del transmisor se abrió la elaboración de las bases
matemáticas mediante la aplicación del álgebra, fundamentado así la teoría de la información y
abriendo una segunda fase de la revolución de las tecnologías y la comunicación. Ya para el año
1969, se había establecido la primera conexión de computadores vía internet, trayendo hasta
nuestros días, la propuesta de un mundo globalizado con acceso a los enormes volúmenes de
información existentes en medios cada vez más complejos.
En nuestros días, el uso de la información ha tenido un impacto relevante al considerar las
relaciones sociales entre sectores, comunidades e individuos, y garantizar la practicidad en la
transmisión del mensaje. De esta manera, el término “información” agrupa características
conceptuales que decantan en la conformación de conjuntos organizados de datos que, procesados
mediante métodos determinados, vienen a constituir un mensaje que afecta el estado de
conocimiento inicial del sujeto o del sistema que recibe dicho mensaje.
En este sentido, los métodos para procesar datos y las alternativas para gestionarlos han
permitido la aplicación de esquemas que facilitan los procesos de toma de decisiones en todos los
niveles de las actividades organizacionales e institucionales: tanto en el sector empresarial,
educativo, comercial, de construcción y salud, como en el hogar, escuelas y espacios de
entretenimiento. La gestión y administración de datos, indefectiblemente, viene contribuyendo en
la optimización de procesos relacionados con la captura, almacenamiento, mantenimiento e
intercambio de la información.
En relación con esto, se aprecia cómo las organizaciones desde su actividad ordinaria generan
grandes volúmenes de datos debido a la magnitud de sus operaciones y la forma cómo estos se
gestionan resulta significativa en virtud de que dicha gestión terminará orientando los procesos de
toma de decisiones. La manera de procesar estos datos dependerá de las diversas estrategias
disponibles, una de ellas es la minería de datos que, según Sugiyarti et al. (2018), se asocia con un
proceso que utiliza técnicas matemáticas, estadísticas, artificiales y de aprendizaje automático para
extraer conocimiento e identificar información pertinente y conocimiento relacionado en grandes
volúmenes de datos sin procesar.
Por otra parte, Escobar et al. (2017), citando a Jiménez et al. (2010), la definen como el campo
que permite descubrir información nueva y potencialmente útil de grandes cantidades de datos.
Esta extracción o descubrimiento consiste en una serie de procesos que ejecutados sobre los datos
existentes permitirán generar patrones, tendencias, analizar comportamientos y estructurar
soluciones a múltiples problemas de forma mucho más eficiente, predictiva y proactiva.
En este orden de ideas, es preciso destacar que los diversos sectores productivos de bienes y
servicios no escapan a estas consideraciones, así se puede observar cómo son casi infinitas las
posibilidades de avance para la industria farmacéutica, la medicina moderna, la gestión
Elementos de innovación educativa y de minería de datos presentes
en los sistemas de gestión de aprendizaje orientados a la enseñanza
de las ciencias sociales
57
L-ISSN: 1316-0087
E-ISSN: 2244-7474
Investigación y Postgrado, 39(2), octubre 2024, pp. 55-76
hospitalaria, la investigación clínica o la fabricación de mejores medicamentos; el sector seguro
implementa la minería de datos para detectar comportamientos fraudulentos, mientras que el
bancario lo emplea en gran medida para comprender los riesgos y fluctuaciones del mercado, y
optimizar los servicios que ofrecen. Por otra parte, también en el ámbito educativo se requieren de
herramientas que faciliten la gestión y análisis de los datos. Los grandes volúmenes de datos
generados por la interacción diaria necesitan de tratamiento continuo y una vez procesados, el
resultado se convierte en información útil para los niveles gerenciales. El sinnúmero de procesos y
tareas que se llevan a cabo en las instituciones educativas es tal que los volúmenes de datos
alcanzan considerables Teras en almacenamiento; según la Fundación Telefónica Educación
Digital (2022) se generan diariamente 1.700 billones de bytes por minuto en el mundo y las
universidades son protagonistas de la generación de datos debido a su enfoque investigativo y
educativo.
Bajo esta perspectiva, el rol que las ciencias sociales le imprime al sector educativo no deja
de ser preeminente, la generación de datos una vez procesados se convierten en información vital
para el estudio de los fenómenos económicos y sociales. Estas áreas del saber no solo funcionan
en las escuelas, colegios y universidades, sino también en el entorno colectivo, corporativo y
empresarial. En este sentido, el área económica está inmersa en la necesidad de establecer
escenarios posibles para generar planes de acción como contramedidas ante cualquier situación de
mercado, asimismo, esta información se puede utilizar para construir modelos que, aplicando
técnicas de minería de datos, pueden coadyuvar con la generación de predicciones acerca de cómo
las personas o sistemas se van a comportar, para así anticiparse a este. Para la preparación de
simulaciones efectivas se requiere de un cúmulo de datos impresionantes que normalmente suelen
procesarse por medios de aplicativos y, una vez analizados, serán parte de los reportes necesarios
para las decisiones de índole económica.
Desde el enfoque contable es importante la cantidad y el tipo de información financiera
necesaria para emitir reportes y estados financieros, sin embargo ¿se continuará procesando este
tipo de datos de la misma forma que se ha hecho los últimos 40 años? o ¿se dispondrá de
herramientas de gestión de datos avanzadas que solo facilitan el procesamiento de estos datos para
generar los estados financieros? La minería de datos permite no solo optimizar la búsqueda de
información sino identificar puntos de análisis que no alcanzamos a visualizar y que son útiles para
la gestión y toma de decisiones de cualquier empresa u organización. En este sentido, la disciplina
de la auditoría también genera datos considerables; el desarrollo de análisis de trazabilidad requiere
de la toma de eventos generados como registros de las actividades en los sistemas de toda índole
(financieros, corporativos contables, entre otros) y estos registros pueden ser miles debido a la
necesidad de realizar trazas asociadas con intervalos de tiempo, por lo cual en cada segundo se
generan registros de información que, posteriormente, son analizados para ejecutar los procesos de
auditoría buscando así, errores, omisiones o irregularidades.
En lo que respecta a las ciencias administrativas, se hace uso de la minería de datos para
administrar los recursos organizacionales y, por ende, el flujo de información es cada día mayor
debido a las actividades propias de las empresas y entidades. Los beneficios que ofrece esta técnica
vinculan la posibilidad de elevar los niveles de competencia de los negocios con la rapidez para
identificar, procesar y extraer la información que realmente es importante, descubriendo así, nuevo
conocimiento y patrones en bases de datos. En el contexto de la actividad empresarial, actualmente
Elementos de innovación educativa y de minería de datos presentes
en los sistemas de gestión de aprendizaje orientados a la enseñanza
de las ciencias sociales
58
L-ISSN: 1316-0087
E-ISSN: 2244-7474
Investigación y Postgrado, 39(2), octubre 2024, pp. 55-76
la data mining constituye un recurso decisivo que puede determinar el éxito de una organización
siempre y cuando se gestione de manera eficiente.
Ante los diferentes aspectos que involucra el estudio de la minería de datos y la inteligencia
tecnológica como recursos de apoyo en los procesos de enseñanza y aprendizaje de las ciencias
sociales y en virtud de la aplicación de esquemas de gestión institucional e innovación tecnológica
que involucran la ejecución de los procesos de gestión académica en los diferentes espacios de la
educación superior, se plantean las siguientes interrogantes: ¿cuáles elementos de innovación
educativa inciden en los sistemas de gestión de aprendizaje orientados a la enseñanza de las
ciencias sociales?, ¿cuáles técnicas de minería de datos e inteligencia de negocios podrían
coadyuvar con los procesos de enseñanza y aprendizaje, en el campo de las ciencias sociales? Estas
interrogantes emplazan a justificar las premisas necesarias y suficientes para desarrollar los
siguientes objetivos.
Objetivos de la investigación
Objetivo general
Analizar la importancia que las técnicas de minería de datos e inteligencia de negocios agregan al
proceso de enseñanza-aprendizaje, en el campo de las ciencias sociales.
Objetivos específicos
● Identificar los elementos de innovación educativa y de minería de datos que inciden en los
sistemas de gestión de aprendizaje orientados a la enseñanza de las ciencias sociales.
● Describir las técnicas de minería de datos e inteligencia de negocios que coadyuven con el
proceso de enseñanza-aprendizaje, en el campo de las ciencias sociales.
La minería y ciencia de datos como herramienta para la generación de conocimiento
Las organizaciones desde su actividad ordinaria generan grandes volúmenes de datos. Debido
a la magnitud de sus operaciones y la forma como se gestionan dichos datos resultan significativos,
en virtud de que terminan orientando los procesos de toma de decisiones. La minería de datos
comprende el proceso de extraer conocimiento no explícito de bases de datos, su objetivo es
descubrir situaciones anómalas e interesantes, tendencias, patrones y secuencias en los datos.
Según Urbina et al. (2017), la minería de datos utiliza múltiples técnicas como: árboles de
decisión, reglas de inducción, redes neuronales artificiales, aprendizaje basado en instancias,
aprendizaje bayesiano, programación lógica y varios tipos de algoritmos estadísticos. La intención
es lograr conocimiento nuevo y útil de manera eficiente. Desde que se manejan los datos hasta la
fecha nos hemos encontrado con la situación simple, pero a la vez compleja: ¿Para qué tenemos
estos datos?, ¿Qué se puede hacer con ellos?, ¿Qué decisiones podemos tomar gracias al análisis
de los datos? Estas interrogantes nos llevaron directamente a una nueva ciencia, la ciencia de los
datos.
Desde esta perspectiva se puede apreciar cómo la ciencia de datos es, en la actualidad, la
herramienta fundamental para la explotación de los mismos y la generación de conocimiento. Los
objetivos que persigue se encuentran relacionados con la búsqueda de modelos que describen
Elementos de innovación educativa y de minería de datos presentes
en los sistemas de gestión de aprendizaje orientados a la enseñanza
de las ciencias sociales
59
L-ISSN: 1316-0087
E-ISSN: 2244-7474
Investigación y Postgrado, 39(2), octubre 2024, pp. 55-76
patrones y comportamientos a partir de los datos con el fin de tomar decisiones o hacer predicciones
(García, 2018). Precisamente, el hecho de tener que tomar decisiones impulsó a los profesionales
que los manejan (científicos de datos) a preguntarse si con los mismos, una vez normalizados y
gestionados, se podrían dar respuestas a las preguntas de ¿cómo mejorar los procesos de toma de
decisiones en las diversas áreas del saber?
La minería y gestión de datos en el contexto educativo
El análisis de grandes cantidades de datos también ha coadyuvado a la resolución de
problemas educativos, lo que ha propiciado el desarrollo de una vertiente específica relacionada
con la Minería de Datos Educativos (MDE). Según Moris (2014) esta disciplina se dedica a
desarrollar métodos para explorar los datos provenientes de ambientes relacionados con la
educación para tratar de entender mejor a los estudiantes, profesores y demás involucrados en sus
entornos educacionales con el fin de mejorar los procesos. La MDE permite desarrollar métodos
para el descubrimiento de tipos particulares de datos que provienen de plataformas educativas, y
requiere de la realización de una serie de actividades previas encaminadas a preparar los datos de
entrada con el fin de identificar patrones de comportamiento, que conducirán a la elección de
recursos y actividades (Hidalgo Cajo, 2018).
La incorporación e implementación de las Tecnologías de Información y Comunicación (TIC)
en las instituciones de Educación Superior ha generado grandes cantidades de datos y, según
Escobar et al. (2017), estos datos requieren de un tratamiento adecuado que permita la
normalización, duplicación y procesos de enriquecimiento de la información para optimizar la ya
existente: “la mayoría de los métodos de extracción se implementan directamente mientras otros
tienen que adaptarse de acuerdo con los problemas educativos concretos” (p. 3). Investigaciones
científicas como la de Viteri-Palacios et al. (2023) orientan la aplicación de procedimientos
específicos de minería de datos para determinar la mejora en las prácticas docentes. La adecuación
de los recursos de aprendizaje y estrategias de enseñanza para la innovación tecnológica permite
el uso de “métodos inteligentes y específicos de análisis de los datos que puedan descubrir
información útil a partir de estos” (Yanes et al., 2023, p. 5).
Para Villarreal et al. (2011), se hace necesario conocer y valorar las experiencias y
conocimientos que los estudiantes traen de su medio, de sus familias y amigos y estar atentos a las
necesidades, intereses y motivaciones de cada uno, cada estudiante avanza a su ritmo particular,
no importa qué tan rápido, lo importante es que nunca se detenga. Siendo así, es “imprescindible
que las actividades formativas que se desarrollan en la gestión de aula o en el trabajo autónomo del
estudiante lo reconozcan, y que en la planificación de estas tareas se propicie la mejora del
aprendizaje para el éxito académico” (Escobar et al., 2017, p. 207).
La aplicación y uso de técnicas de minería de datos y de innovación tecnológica, en el nivel
universitario con respecto a las carreras relacionadas con ciencias sociales, promueven la revisión
permanente de cambios en las formas de enseñanza y la actualización de herramientas educativas,
lo que estimula el desarrollo de estrategias didácticas y participativas que involucra a los diversos
actores académicos, repercutiendo en inexorables cambios para el desarrollo de las actividades
docentes y la renovación de las políticas educativas institucionales.
Elementos de innovación educativa y de minería de datos presentes
en los sistemas de gestión de aprendizaje orientados a la enseñanza
de las ciencias sociales
60
L-ISSN: 1316-0087
E-ISSN: 2244-7474
Investigación y Postgrado, 39(2), octubre 2024, pp. 55-76
Técnicas de minería de datos
Las técnicas de minería de datos, según Peréz y Santin (2007), se pueden dividir en tres:
predictivas, descriptivas y auxiliares. En las predictivas se definen las variables dependientes e
independientes y especifican el modelo para los datos con base en un conocimiento teórico previo,
destacan todos los tipos de regresión, series temporales, análisis de la varianza y covarianza,
análisis discriminante, árboles de decisión, redes neuronales, algoritmos genéticos y técnicas
bayesianas. En las segundas, las variables no tienen un rol predeterminado, no se supone que existe
un modelo, este es creado de forma automática en función del reconocimiento de los patrones. Acá
destacan: las técnicas de clustering y segmentación, técnicas de asociación y dependencia, de
análisis exploratorio de datos, de reducción de la dimensión y técnicas de escalamiento
multidimensional. Las terceras son más limitadas y de apoyo, están enfocadas hacia la verificación
de los datos o modelos como, por ejemplo, la estadística descriptiva, las consultas y los informes.
Es importante resaltar que las técnicas de clasificación pueden ser igualmente predictivas (ad hoc
por trabajar con grupo definidos) y descriptivas (post hoc por trabajar con grupos no definidos)
(Pérez y Santin, 2007).
Metodología
Diseño de la investigación
Esta investigación es un diseño de tipo documental, lo que implicó la revisión de documentos
principales y específicos relacionados con implementación de minería de datos en la gestión
académica de las instituciones de Educación Superior, minería de datos en la educación, analíticas
de aprendizaje, minería de datos y herramientas tecnológicas aplicadas a la gestión en áreas de TIC
en educación, entre otras, así como otras fuentes. Para el desarrollo del estudio se abarcan las etapas
de la investigación documental planteadas por Arias (2016):
1. Búsqueda de fuentes.
2. Lectura inicial de documentos disponibles.
3. Elaboración del esquema preliminar.
4. Recolección de datos mediante lectura evaluativa.
5. Análisis e interpretación de la información recolectada.
6. Formulación del esquema definitivo.
7. Redacción de la introducción y conclusiones; y,
8. Revisión y presentación del informe final. De acuerdo con el nivel de profundización, es
una investigación de tipo documental.
Selección del tema
La minería de datos y la inteligencia de negocios se han venido caracterizando como un
conjunto de herramientas y técnicas novedosas para el análisis e interpretación de datos que
coadyuvan, potencialmente, en la toma de decisiones de los diferentes ámbitos organizacionales y
culturales. En este sentido, tanto el espacio académico como los procesos educativos que integran
a la gestión del conocimiento, no quedan fuera del alcance que impone este fenómeno de
innovación tecnológica, sino que demandan, de forma apremiante, la necesidad de mejorar los
Elementos de innovación educativa y de minería de datos presentes
en los sistemas de gestión de aprendizaje orientados a la enseñanza
de las ciencias sociales
61
L-ISSN: 1316-0087
E-ISSN: 2244-7474
Investigación y Postgrado, 39(2), octubre 2024, pp. 55-76
niveles de eficiencia desde las aulas de clases, con el propósito de cumplir el encargo social de
potenciar el talento humano y superar las limitaciones propias del entorno tradicional. La
implementación de procesos basados en este tipo de tecnologías requiere así, el uso de recursos de
apoyo para la educación superior en las diferentes disciplinas que integran la rama de las ciencias
sociales.
Para la localización de las fuentes documentales y referencias bibliográficas se realizó una
búsqueda con descriptores: minería de datos educativa e investigación, minería de datos y
aprendizaje, minería de datos y gestión académica, minería de datos y sistemas de gestión de
aprendizaje, inteligencia de negocios y minería de datos. También se realizó una búsqueda a través
de Internet haciendo uso del buscador “Google Académico” con los mismos términos. Se
seleccionaron aquellos documentos que revelaron información sobre los procesos orientados a
descubrir patrones en grandes volúmenes de datos haciendo uso de métodos como la inteligencia
artificial, el aprendizaje automático, la estadística y los sistemas de bases de datos, y la forma cómo
pueden facilitar la ejecución de los procesos de enseñanza y aprendizaje en los niveles de educación
superior, precisamente en el áreas o disciplinas relacionadas con ciencias sociales. Posteriormente,
los documentos seleccionados se agruparon por temas conforme al criterio de búsqueda al que
hacen referencia Gómez-Luna, Fernando-Navas, Aponte-Mayor y Betancourt-Buitrago (2014):
primarios y secundarios.
Análisis y sistematización de la información
Tras la aplicación de los criterios de selección de contenido, que respondió a la respectiva
clasificación de los temas, se seleccionaron de todo el universo documental (41 documentos), un
total de 35 (85%), a los cuales se les estudió de manera completa, conforme se detalla en la Tabla
1.
Tabla 1
Sistematización de los documentos estudiados
N°
Categorización de documentos
Cantidad de
documentos por
criterios de búsqueda
Total
Primarios
Secundario
s
1
Minería de datos educativa e investigación
7
3
10
2
Minería de datos y aprendizaje
4
4
8
3
Minería de datos y gestión académica
4
4
8
4
Minería de datos y sistemas de gestión de
aprendizaje
3
6
9
5
Inteligencia de negocios y minería de datos
2
4
6
TOTAL
20
21
41
Elementos de innovación educativa y de minería de datos presentes
en los sistemas de gestión de aprendizaje orientados a la enseñanza
de las ciencias sociales
62
L-ISSN: 1316-0087
E-ISSN: 2244-7474
Investigación y Postgrado, 39(2), octubre 2024, pp. 55-76
Integración de la información
En esta fase se contrastaron los resultados obtenidos con la finalidad de caracterizar los
elementos para el diagnóstico e identificación de los diferentes recursos de apoyo que, tanto en la
minería de datos como en la inteligencia de negocios, pueden potenciar las áreas mencionadas.
Asimismo, se precisaron aspectos relacionados con la importancia que sugiere la actualización de
los procesos de enseñanza basados en el uso de tecnología e información y la necesidad de orientar
esfuerzos para fortalecer el desempeño en la gestión institucional a través de las técnicas y métodos
de minería de datos aplicables en el análisis de problemas concernientes a los actores y espacios
académicos.
La innovación tecnológica y la minería de datos al alcance de la Educación Superior en las
ciencias sociales
Las universidades como fuente del conocimiento están inmersas en la búsqueda continua de
mejoras de sus procesos institucionales, esto plantea la necesidad de gestionar la aplicación de
renovadas estrategias para la administración y gestión de sus datos. La aplicación de técnicas de
minería de datos y de innovación tecnológica en el nivel de educación superior promueve la
revisión permanente de cambios en las formas de enseñanza y el uso de herramientas educativas,
lo que estimula el desarrollo de estrategias didácticas y experiencias de aprendizaje que hacen
interesante el proceso académico en virtud de que reconoce e involucra la diversidad de los actores
académicos.
Según Carrillo (2018) en el área educativa, la utilización de herramientas de minería de datos
no tiene límite dado la gran cantidad de información se manejan en los diferentes sistemas de la
educación (procesos de inscripción, rendimientos, cursos, investigación, notas, perfiles
estudiantiles, entre otros). Diferentes áreas de conocimiento como la estadística, la matemática, la
computación o la ingeniería se han visto involucradas en estos planteamientos. Las ciencias
sociales no escapan de este enfoque. Estudios de nivel superior orientados a la economía, la
administración, la contaduría o la sociología aplican las estrategias de modelamiento de datos, en
virtud de la enorme cantidad generada. Aparte de predecir la propagación de enfermedades,
mejorar la planificación urbana, identificar patrones en el crimen y optimizar la seguridad pública,
también las técnicas de minería de datos permiten analizar grandes cantidades de datos sociales
como, por ejemplo, la identificación de patrones en el comportamiento o mejorar la comprensión
de los fenómenos sociales, por ello, es fundamental su enseñanza.
Desde el área del conocimiento de las ciencias económicas, el uso de las técnicas de minería
de datos alcanza a identificar patrones y tendencias en los datos económicos, lo que coadyuva al
proceso de toma de decisiones informadas y con esto, al diseño de estrategias empresariales y de
gestión pública. El manejo de datos a través de sus diferentes técnicas permite identificar el
comportamiento del mercado, de los consumidores o el análisis de grandes cantidades de datos
macroeconómicos (producto interno bruto, renta per cápita, gasto, inversión, consumo), lo que
permite una aproximación en la predicción de los efectos de políticas económicas implementadas,
el análisis de riesgos financieros y la identificación de oportunidades de inversión. En este caso, el
análisis de escenarios que devienen de la simulación con base en modelos econométricos (Upegui,
2021) son elementos que integran los contenidos de enseñanza en las ciencias económicas.
Elementos de innovación educativa y de minería de datos presentes
en los sistemas de gestión de aprendizaje orientados a la enseñanza
de las ciencias sociales
63
L-ISSN: 1316-0087
E-ISSN: 2244-7474
Investigación y Postgrado, 39(2), octubre 2024, pp. 55-76
Para el caso de las ciencias administrativas, la minería de datos puede coadyuvar en la mejora
de la gestión de recursos, a través de la eficacia de los procesos empresariales, en la identificación
de áreas de oportunidad y riesgos, y la optimización de criterios para la gestión de los procesos
productivos y logísticos que anteceden la toma de decisiones, por ejemplo, los procesos de compras
(Medina y Gómez, 2014). La medición o valoración de la satisfacción del cliente a través de la
personalización de productos y servicios permite, por medio del uso de las técnicas de minería de
datos, identificar patrones en el comportamiento del consumidor a los fines de mejorar la
personalización de productos y servicios y la gestión de relaciones con los clientes. Las
aplicaciones con base en tales métodos son capaces de automatizar los servicios de atención al
cliente, lo que lleva a optimizar los costes de ventas, impulsar la generación de ingresos y recolectar
datos fiables para mejorar el soporte transaccional (Logreira, 2011).
La práctica de estrategias para controlar y supervisar los recursos financieros a los fines de
alcanzar las metas organizacionales es uno de los cometidos de la gerencia financiera. La
comprensión de necesidades en esta área del conocimiento también pone de manifiesto el uso de
herramientas de innovación tecnológica y de minería de datos. En este sentido, se hace referencia
al conocido caso del Bank of America, en virtud de que le resultaba difícil identificar a los clientes
que estaban cerca de cambiar de proveedor e irse con la competencia. El equipo de científicos de
datos utilizó nuevos modelos de comportamiento basados en los historiales transaccionales de los
clientes de tarjetas de crédito y créditos hipotecarios y, en atención a la aplicación de estos modelos,
el banco generó recomendaciones y ofertas a sus clientes en riesgos sin importar la forma de
contacto (email, web, teléfono). Tal gestión trajo resultados el 95% en pagos y la retención de
clientes que estaban en situación de riesgo (Fisa Group, 2022).
El uso de la innovación tecnológica y de las técnicas de minería de datos permite también
analizar grandes cantidades de datos contables, identificar errores, mejorar la presentación de los
informes financieros y planificar la gestión de liquidez con base en el cumplimiento de la normativa
laboral y fiscal (Argañaraz et al. 2021), con el propósito de s de mejorar la gestión de proyectos y
los procesos de reconocimiento, medición y registro de operaciones contables. El análisis e
identificación de patrones y tendencias de datos financieros, así como la detección de riesgos y
fraudes, son oportunidades para para mejorar la eficacia de los procesos de auditorías y reducir el
tiempo y costo de estas, con base en el monitoreo y cumplimiento de las normas y regulaciones
contables de carácter internacional (Mota et al. 2020). En la esfera de la educación, se podría
utilizar para enseñar la posible detección de fraudes, errores u omisiones en los procesos de
auditoría.
Con respecto al campo de la sociología se ha podido apreciar cómo, desde el área de la
sociología computacional, se ofrece una variedad de ámbitos relacionados con algunos subcampos.
Más allá del diagnóstico y lo descriptivo, los sociólogos contribuyen al desarrollo de nuevas teorías
y a la construcción de métodos híbridos en las ciencias sociales computacionales que combinan
métodos clásicos y modernos (Edelmann et al. 2020). Con la instauración y crecimiento de los Big
Data, ha emergido una diversidad de técnicas, procesos y procedimientos orientados al análisis de
datos sobre todo de carácter textual, auditivos y visuales (Gualda, 2022). Las características sobre
los Big Data obligan necesariamente a que se produzcan cambios medulares y sustanciales en lo
que respecta la enseñanza de contenidos que incorporen la captura, procesamiento y análisis de
datos con base en la información alojada en grandes bases de datos y aquella que procede del
Elementos de innovación educativa y de minería de datos presentes
en los sistemas de gestión de aprendizaje orientados a la enseñanza
de las ciencias sociales
64
L-ISSN: 1316-0087
E-ISSN: 2244-7474
Investigación y Postgrado, 39(2), octubre 2024, pp. 55-76
Internet. Los contenidos deben contemplar la descripción, sistematización y profundización de
estas técnicas analíticas, así como el estado actual y retos futuros y presentes (Bello-Orgaz et al.,
2016).
Las estrategias didácticas y los métodos participativos como iniciativas para promover la
innovación tecnológica educativa
Las estrategias didácticas son concebidas como aquellos métodos en los que los actores que
intervienen en el proceso educativo organizan acciones orientadas a construir el conocimiento y
alcanzar las metas propuestas en los procesos de enseñanza y aprendizaje adaptándose, de manera
significativa y contextualizada, a las necesidades de los participantes. Bello y Certad (2019) y Casal
y Granda (2003) proponen los métodos participativos como una manera de clasificar las estrategias
didácticas, de acuerdo con su naturaleza y propósitos para favorecer el trabajo colaborativo, la
asimilación de conocimientos involucrando activamente a los estudiantes y el desarrollo de
pensamiento que permita la solución de problemas.
Figura 1
Tipos de métodos participativos
Fuente: Casal et al. (2003) y Monasterio et al. (2022)
En este sentido, las estrategias y los métodos de enseñanza vinculan su propósito con los
objetivos, los contenidos programáticos, la labor docente y los medios propios de cada área o
disciplina, por lo tanto, el uso de tecnologías de información educativa se presenta como un aspecto
pedagógico que incorpora innovación en el uso de herramientas didácticas, efectividad en los
procesos de enseñanza y aprendizaje, y mejoras en el acceso de oportunidades para el desarrollo
de competencias basadas en la utilización de recursos tecnológicos.
Las metodologías de enseñanzas en el ámbito educativo han sufrido cambios vertiginosos en
los últimos años, esto es debido, en gran medida, a la introducción de nuevas tecnologías y a la
forma cómo los actores del proceso educativo se adaptan a la aplicación de estas; también ha
trascendido la dinámica interactiva en las aulas de clases: ya no se trata de un grupo de estudiantes
pasivos que adoptan un posición de escucha hacia el docente por ser la única persona activa en el
espacio de clases, sino de un tipo de aprendizaje conjunto en el que todos los actores se comportan
como seres activos. En este sentido, la innovación educativa comprende ese proceso evolutivo de
la enseñanza y el aprendizaje que conjuga cuatro elementos: actores, conocimiento, procesos y
tecnología.
A través de la
confrontación de criterios
se fomenta la
receptividad de ideas y la
disposición cooperativa.
Participación más activa de
los estudiantes.
Disminución de la
dependencia de éstos hacia
el docente.
Fomenta el desarrollo de
habilidades y capacidades
que permitan la adquisición
de conocimientos por los
propios estudiantes.
Métodos que contribuyen a
favorecer el trabajo en
grupo.
Métodos que propician la
asimilación de conocimientos. Métodos para la solución
creativa de problemas.
Elementos de innovación educativa y de minería de datos presentes
en los sistemas de gestión de aprendizaje orientados a la enseñanza
de las ciencias sociales
65
L-ISSN: 1316-0087
E-ISSN: 2244-7474
Investigación y Postgrado, 39(2), octubre 2024, pp. 55-76
Elementos de innovación educativa y de minería de datos presentes en los sistemas de gestión
de aprendizaje orientados a la enseñanza de las ciencias sociales
La innovación educativa, en cualquiera de sus niveles, comprende los aspectos que vinculan
a las personas, el conocimiento, la tecnología y la metodología; esto supone un cambio significativo
en la forma de gestionar y administrar los procesos de enseñanza y aprendizaje en virtud de la
continua actualización y disposición de recursos que ofrece el entorno local y globalizado. Las
implicaciones de este tipo de innovación sugieren, a su vez, la incorporación de cambios en el tipo
de recursos, en las clases de métodos y en la diversidad de contenidos. El propósito es incluir
propuestas para mejorar la eficiencia del sistema educativo y la gestión eficaz de recursos que este
requiera. Se trata de un proceso en constante evolución basado en la investigación, el desarrollo y
la implementación de nuevas ideas y enfoques para mejorar la calidad de la educación.
A este continuo proceso de cambio, que se gesta en el marco de la innovación educativa, se
suman alternativas que coadyuvan con el procesamiento de datos y la extracción de información
relevante que sirva para los procesos de toma de decisiones. En este sentido, y mediante el uso de
modelos de datos más precisos, la minería de este tipo de información se convierte en una
herramienta estratégica que realza los niveles de competencia en el mundo cambiante de los
negocios que hacen vida en nuestro entorno social. La toma de decisiones efectivas dependerá
entonces de la rapidez con que se identifica y analiza información importante por lo que estas
quedarán supeditadas al campo, la fuente y las técnicas de minería con las cuales se pueda procesar
la información. La Tabla 2 muestra la identificación de elementos innovación educativa y de
minería de datos presentes en los sistemas de gestión de aprendizaje orientados a la enseñanza de
las diversas áreas de conocimiento de las ciencias sociales.
Tabla 2
Identificación de elementos innovación educativa y de minería de datos presentes en los sistemas
de gestión de aprendizaje orientados a la enseñanza de las ciencias sociales
Campo
Sub
campo
Tipo y descripción de datos e información
Técnica minería de datos
Fuente
Descripción
Técnicas
Procesamiento
Economía
Econometría
Series temporales
Observaciones de variables a lo
largo del tiempo correspondientes
a un individuo o unidad
(comportamiento de variables
macroeconómicas)
Predictivas
Series temporales.
Descriptivas
Clustering, asociación, reducción de la
dimensión.
Auxiliares
Estadística descriptiva.
Corte transversal
Observaciones de las variables
tomadas en un momento del
tiempo y correspondientes a
distintos individuos
Predictivas
Árboles de decisión, Bayes.
Descriptivas
Segmentación, análisis exploratorio de
datos.
Datos de panel
Proporcionan información de n
individuos o unidades a lo largo
de un periodo de tiempo
Predictivas
Algoritmos genéticos
Descriptivas
Segmentación, asociación.
Administración
Gerencia
Información
planeación,
organización,
dirección y control
Datos e información contenida en
informes, consultas, reportes,
esquemas, mapas mentales, entre
otros.
Predictivas
Regresión, series temporales, árboles de
decisión, redes neuronales, Bayes.
Descriptivas
Segmentación, asociación, análisis
exploratorios.
Auxiliares
Estadística descriptiva.
Fi
n
a
n
z
as
Inversiones,
Trading,
Datos en tiempo real provenientes
de operaciones del mercado
Predictivas
Regresión, series temporales, árboles de
decisión, redes neuronales, Bayes.
Elementos de innovación educativa y de minería de datos presentes
en los sistemas de gestión de aprendizaje orientados a la enseñanza
de las ciencias sociales
66
L-ISSN: 1316-0087
E-ISSN: 2244-7474
Investigación y Postgrado, 39(2), octubre 2024, pp. 55-76
Campo
Sub
campo
Tipo y descripción de datos e información
Técnica minería de datos
Fuente
Descripción
Técnicas
Procesamiento
Cotizaciones de
títulos valores
bursátil y datos históricos
contentivos de los valores
negociados, cierres, volúmenes de
negociación, entre otros.
Descriptivas
Segmentación, asociación, análisis
exploratorios.
Auxiliares
Estadística descriptiva.
Mercadeo
Datos sobre
comportamiento
de consumidores
Datos provenientes de encuestas,
redes sociales, pools, informes
históricos (distribución
geográfica, etc)
Predictivas
series temporales, análisis de varianza y
covarianza, árboles de decisión, técnicas
bayesianas
Descriptivas
segmentación y clustering, análisis
exploratorios, reducción de la dimensión,
análisis de asociación y dependencia.
Auxiliares
Estadística descriptiva.
Presupuest
o
Información
histórica
presupuestos de
ingresos, costos,
gastos
Reportes e informes, estados de
situación financiera, estados de
resultados.
Predictivas
Árboles decisión, técnicas Bayesianas,
análisis de la varianza y covarianza.
Descriptivas
Técnicas de asociación y técnicas de
análisis exploratorio.
Auxiliares
Estadística descriptiva.
Recurso
humano
Nómina,
Antigüedad,
cotizaciones
seguridad social,
pasivos laborales
Reportes, series históricas de
pagos, conciliaciones.
Predictivas
Series temporales, árboles de decisión,
análisis de la varianza y covarianza.
Descriptivas
Segmentación y clustering, análisis
exploratorios.
Auxiliares
Estadística descriptiva.
Contaduría pública
información
financiera
Información de
estados
financieros
Datos numéricos históricos
contenidos en informes y
reportes,
Predictivas
Series temporales, análisis de la varianza y
covarianza, árboles de decisión, redes
neuronales, técnicas bayesianas.
Descriptivas
Segmentación y clustering, análisis de
asociación y dependencia.
Auxiliares
Estadística descriptiva.
Costos
Datos históricos
de procesos
productivos
Datos en reportes e informes que
contienen la evolución del
consumo de materia prima, mano
de obra, costos indirectos de
fabricación, precios, producto
terminado y en proceso.
Predictivas
Modelos de regresión, técnicas bayesianas
y árboles de decisión.
Descriptivas
Segmentación, análisis exploratorios.
Auxiliares
Estadística descriptiva.
Auditoría
Información
financiera
susceptible para
auditarse
Datos e información que facilite
la identificación de riesgos
(negocio, fraude y procesos),
evaluación de distorsiones
(errores) en la información
financiera, implementación y
efectividad de los controles.
Predictivas
Redes neuronales.
Descriptivas
Segmentación, asociación, análisis
exploratorios.
Auxiliares
Estadística descriptiva.
Tributos
Datos históricos,
base de
imposición,
declaraciones y
sanciones
impositivas
Información base que facilite la
detección de omisiones y hechos
irregulares que puedan entrañar
en el incumplimiento de las
disposiciones fiscales.
Predictivas
Modelos basados en la experiencia.
Descriptivas
Análisis y exploración de escenarios
posibles.
Auxiliares
Complementos de criterios de evaluación
y decisión.
Sociología
Cultura
Datos e información
del entorno
(ambiente,
sociedad)
provenientes de
estadísticas, censos,
entrevistas,
documentos
gubernamentales,
mapas, normas y
legislaciones.
Información que influye en el
comportamiento del ser humano y
la forma como las instituciones
afectan tal comportamiento
(estado, religión y economía)
Predictivas y
descriptivas
Estudios complejos a partir de conjuntos
de datos culturales y sus flujos (análisis
cultural).
Antro-
pología
Análisis de las relaciones sociales que se
producen en el entorno online (etnografía
digital).
Estudio de tecnologías digitales reconociendo
lo digital como dimensión sustantiva
(antropología digital).
Huma-
nismo
Áreas de múltiple investigación
instrumental y construcción digital
(humanidades digitales).
Elementos de innovación educativa y de minería de datos presentes
en los sistemas de gestión de aprendizaje orientados a la enseñanza
de las ciencias sociales
67
L-ISSN: 1316-0087
E-ISSN: 2244-7474
Investigación y Postgrado, 39(2), octubre 2024, pp. 55-76
Asimismo, la información reflejada en la Tabla 3 se aproxima a vincular las técnicas de
minería de datos e inteligencia de negocios con los procesos de enseñanza y aprendizaje, en el
campo de las ciencias sociales. Nótese cómo a través de la descripción de las técnicas de minerías
de datos se identifican y vinculan algunas estrategias pedagógicas con el propósito de agregar
alguna orientación a la gestión de los procesos de enseñanza y aprendizaje. Mientras que la
“estrategia pedagógica” comprende acciones realizadas por docente con el propósito de facilitar la
formación y el aprendizaje de los estudiantes, la “orientación” enmarca la descripción y uso de las
técnicas de minería de datos en este proceso, incorpora una delimitación o alcance parcial de
incidencia e ilustra, con determinados y precisos ejemplos, algunas alternativas que podrían servir
de guía para la comprensión del tema (véase Tabla 3).
Tabla 3
Las técnicas de minería de datos e inteligencia de negocios y el proceso de enseñanza-
aprendizaje, en el campo de las ciencias sociales
Descripción de la técnica Minería de
Datos
Estrategias pedagógicas de enseñanza-aprendizaje y orientación
Técnica
Descripción
Estrategia
pedagógica
Orientación
Bayes
Clasificador probabilístico
ingenuo fundamentado en
la teoría de probabilidades
(teorema de Bayes), la
minería de datos y algunas
hipótesis simplificadoras
adicionales.
Resolución de
problemas,
aplicación en
análisis de casos
Aprendizaje automático que se utiliza para
clasificar objetos, como documentos de texto, etc.
El clasificador se entrena analizando un conjunto
de datos estructurados o no estructurados.
Ejemplo: filtro de correo electrónico no deseado y
correos legítimos.
Regresión
Lineal
Técnica de análisis de
datos donde se busca un
dato desconocido basado
en datos conocidos o
relacionados.
Resolución de
problemas,
aplicación en
análisis de casos
Permite la predicción o descubrimiento de un
datos o datos desconocidos en base a un conjunto
de datos conocidos o relacionados. Por ejemplo,
análisis del presupuesto proyectado y real de los
últimos 25 años para predecir presupuesto del año
próximo.
Series
Temporales
Técnica de análisis de
una variable estadística
ordenada en el tiempo.
Resolución de
problemas y
análisis de casos
a través de la
observación.
Mediante esta técnica se puede realizar un
proceso de análisis buscando comprender
comportamientos, verificar la existencia de
patrones, validar si existen tendencias con el fin
de describir un fenómeno o predecir un escenario
factible para tomar decisiones. Ejemplo, un
análisis de compra de un artículo en 1 año para
verificar la tendencia de compra de los clientes.
Análisis de
varianza y
Covarianza
Técnica que consiste en
analizar las medias de
dos o más poblaciones.
Resolución de
problemas y
análisis de casos
a través la
observación y la
comprobación
numérica.
Técnica que permite analizar la relación de
variables (dependiente e independiente) entre dos
o más poblaciones. Por ejemplo, el estudio de un
grupo de compradores de la zona este de un país y
su estatus económico para validar si existe una
relación entre la zona donde viven y el poder de
compra.
Análisis
Discriminante
Técnica estadística que
permite calcular el
discriminante de las
Resolución de
problemas y
análisis de casos
a través de la
Técnica utilizada para predecir, su objetivo es
discriminar en un conjunto de datos buscando la
pertenencia a un grupo (generalmente), como
ejemplo, tenemos dos grupos de estudiantes y se
Elementos de innovación educativa y de minería de datos presentes
en los sistemas de gestión de aprendizaje orientados a la enseñanza
de las ciencias sociales
68
L-ISSN: 1316-0087
E-ISSN: 2244-7474
Investigación y Postgrado, 39(2), octubre 2024, pp. 55-76
Descripción de la técnica Minería de
Datos
Estrategias pedagógicas de enseñanza-aprendizaje y orientación
Técnica
Descripción
Estrategia
pedagógica
Orientación
variables predictoras
(combinaciones lineales).
comprobación
numérica.
miden sus variables, luego se toma un estudiante
y en función de sus mediciones se indica a qué
grupo pertenece.
Árboles de
Decisión
Técnica que permite
observar en un mapa los
resultados de decisiones
que se encuentran
relacionadas.
Resolución de
problemas y
análisis de casos
a través del
desarrollo de
mapas mentales
y conceptuales.
Los árboles de decisión se pueden utilizar en una
gran cantidad de problemas y en casi todas las
ciencias, ya que se pueden generar de forma
automatizada y ser aplicados como
segmentadores, clustering, etc. Ejemplo: análisis
de solicitudes de crédito.
Redes
Neuronales
Técnica que busca
“copiar” el
funcionamiento del
cerebro humano y sus
complejas redes de
neuronas para generar
conexiones con el
objetivo de aprender,
predecir y resolver
problemas.
Resolución de
problemas,
análisis de
casos, a través
del desarrollo de
mapas
neuronales.
Este tipo de redes facilitan el aprendizaje
automático y se utiliza mayormente en la
predicción, funcionan mejor a medida que el
volumen de datos es mayor. Por ejemplo, son
muy utilizadas en el sector bancario para
detección de fraudes.
Algoritmos
Genéticos
Es una técnica que
simula la evolución de
distintos sistemas
biológicos. Se programan
algoritmos que se
comportan de esta forma
y son muy utilizados en
búsquedas.
Resolución de
problemas,
análisis de casos
donde se
utilizan tales
algoritmos
Los algoritmos son diseñados como métodos
efectivos de optimización y búsqueda colectiva
dentro de un conjunto de soluciones posibles. Se
usan en clasificación, agrupamiento, reglas de
asociación y predicción (equivalente a cruces,
mutaciones, clonaciones). Ejemplo de esto, es la
aplicación de la optimización en rutas (de entrega
de paquetes, recorridos turísticos, etc.).
Clustering y
Segmentación
Técnica que permite
separar o construir
subconjuntos o grupos de
datos de un gran
volumen de datos por
alguna característica
común.
Resolución de
problemas y
análisis de casos
a través de la
teoría de
conjuntos
Está técnica es muy utilizada ya que facilita la
separación de datos en grupos más manejables
dependiendo de un criterio o característica común
que permite la segmentación. Por ejemplo, en una
población separar a todos los habitantes por
estatura, peso, zona donde viven crearía grupos
más pequeños.
Asociación y
Dependencia
Son técnicas
especializadas para
obtener patrones o
clasificar datos en
grandes conjuntos de
datos. presentan una
serie de reglas que
permiten realizar estas
tareas
Resolución de
problemas,
análisis de casos
a través de la
lógica
proposicional.
Técnicas que permiten establecer un conjunto de
reglas que facilitan la clasificación de datos en
grandes conjuntos de datos o buscar patrones en
los mismos. Por ejemplo, en un retail separar las
compras de los clientes por monto o tipo de
producto adquirido.
Reducción de
la Dimensión
Técnica que permite
reducir el número de
variables aleatorias con
las que se trabaja.
Resolución de
problemas y
análisis de casos
a través de
algoritmos de
aprendizaje.
Está técnica facilita el análisis de los datos en
donde se presentan múltiples variables aleatorias
haciendo complejo el estudio, por lo cual al
disminuir las variables se facilita el proceso y
disminuyen los costos involucrados en el proceso.
Ejemplo de ello podría ser la reducción del ruido
en un estudio de voz.
Elementos de innovación educativa y de minería de datos presentes
en los sistemas de gestión de aprendizaje orientados a la enseñanza
de las ciencias sociales
69
L-ISSN: 1316-0087
E-ISSN: 2244-7474
Investigación y Postgrado, 39(2), octubre 2024, pp. 55-76
Descripción de la técnica Minería de
Datos
Estrategias pedagógicas de enseñanza-aprendizaje y orientación
Técnica
Descripción
Estrategia
pedagógica
Orientación
Escalamiento
Multidimensi
onal
Técnica estadística
multidimensional en
donde se parte de
similitudes generando
similitudes entre los
individuos para luego
analizar la aproximación
unos de otros.
Resolución de
problemas,
análisis de casos
a través
matrices,
algoritmos
simples y
gráficos.
Es una técnica compleja que permite trazar a
partir de la similitud entre los valores un patrón
potencial de comportamiento. Ejemplo, una tabla
de distancias entre ciudades para valorar el medio
de transporte a utilizar.
Estadística
Descriptiva
son las técnicas
diseñadas para analizar
las frecuencias (su
distribución), las
medidas centrales y sus
variaciones.
Resolución de
problemas,
histogramas y
análisis de
casos.
Estas técnicas permiten analizar los promedios,
distribuciones y variaciones para facilitar analizar
de forma sencilla una serie de datos y de allí
tomar decisiones. Ejemplos son muchos, tomar
las transacciones de una acción en la bolsa de
valores, medir su promedio y variaciones para
validar su comportamiento y si vale la pena
invertir en esta acción.
Analítica
cultural
(Manovich,
2018)
Genera estudios
complejos a partir de
conjuntos de datos
culturales y sus flujos,
dado que proviene de las
relaciones entre
Computación Social y
Humanidades Digitales
(Digital Humanities).
Resolución de
problemas y
análisis de casos
a través de
algoritmos
avanzados,
cluster y
segmentación.
Técnica que dependiendo del análisis obtenido
permite la visualización de los datos con sentido
de flujos y grupos particulares llevando los datos
a segmentación y clusterización. Ejemplo de estos
puede ser cuando en función de patrones de
grupos que escuchan cierta música se dividan los
grupos de estudio.
Etnografía
digital (Pink,
et al. 2019)
Análisis de las relaciones
sociales que se producen
en el entorno online.
Análisis de
casos, a través
de la
observación y
entrevistas.
Está técnica permite recopilar y procesar datos de
las interacciones de grupos sociales en ambientes
virtuales facilitando así la toma de decisiones.
Unida a otras técnicas permiten manejar los datos.
Por ejemplo, la interacción de grupos en las redes
sociales.
Antropología
digital (Di
Prospero,
2017)
Estudio de las
tecnologías digitales en
su sentido más amplio,
reconociendo lo digital
como dimensión
sustantiva en la cultura,
la sociedad y la
disciplina.
Análisis de
casos,
recopilación de
información de
campo a través
de la
observación,
entrevistas.
Está técnica permite validar y verificar los distintos
comportamientos en entornos digitales de los
grupos sociales. Unida con otras técnicas permite
analizar comportamientos y validar tendencias o
inclusive predecir posibles resultados en función
de dichos análisis. Ejemplo, la compra de
productos específicos de acuerdo con anuncios en
las redes sociales.
Humanidades
digitales
(Kitchin,
2014)
Área múltiple de
investigación
instrumental,
aplicaciones y
construcción digital en la
que converge el uso de la
informática, en amplio
sentido, con las ciencias
humanas.
Análisis de
casos a través de
la observación,
entrevistas,
análisis
temporales,
estudios
estadísticos.
Con esta técnica a la par de otras se puede estudiar
la evolución de la humanidad y como el impacto
de la tecnología ha permitido el crecimiento de la
especie a pasos agigantados. Utilizando técnicas de
minería de datos se puede correlacionar los
avances de la humanidad con tecnologías y toma
de decisiones.
Elementos de innovación educativa y de minería de datos presentes
en los sistemas de gestión de aprendizaje orientados a la enseñanza
de las ciencias sociales
70
L-ISSN: 1316-0087
E-ISSN: 2244-7474
Investigación y Postgrado, 39(2), octubre 2024, pp. 55-76
Conclusión
La preocupación por el manejo de macrodatos alcanza cada vez más a las ciencias en general
(sociología, ciencia política, ciencia de la información, periodismo, economía, psicología,
geografía, astronomía, ecología, física, matemáticas, etc.). Esto se debe, principalmente, a que los
métodos y técnicas de investigación clásicos no suelen ser suficientes para el manejo de los
volúmenes y complejidad de los datos que se generan hoy en día en el mundo natural y social y a
los que, cada vez más, la tecnología que se desarrolla permite aproximarnos. Cabe destacar que a
la par del impacto causado por la minería de datos en las ciencias sociales y la educación, no se
deja de lado la necesidad de adaptar los cambios al ámbito legal.
Las ciencias sociales, en su mayoría, están rodeadas de un marco normativo inconfundible.
En la educación de las ciencias sociales, utilizando como apoyo la herramienta de la minería de
datos, se hace fundamental el apego a este principio debido a que el entorno cambia rápidamente
por estar anclado al aspecto tecnológico.
En el marco estas ciencias del conocimiento se pudo constatar un conjunto de áreas de
conocimiento ávidas de la implementación de esquemas que propician la innovación educativa; en
el ámbito de la economía, por ejemplo, a través del uso de técnicas predictivas, descriptivas y
auxiliares se alcanza a analizar el comportamiento de variables con series temporales,
segmentación y análisis estadísticos; en el área administrativa, las especialidades de gerencia,
mercadeo o finanzas hacen uso de técnicas diversas como la regresión lineal, la asociación, el
análisis exploratorio y los árboles de decisión, con la finalidad de generar información vital para la
gestión de los recursos en las entidades; en el ámbito de las ciencias contables, y a través de técnicas
bayesianas, segmentación, entre otras, se pueden gestionar la información financiera con la
finalidad de presentar estados financieros y reportes de alto nivel para la gerencia, así como el uso
de herramientas para los procesos de auditoría, mediante el cual, las redes neuronales terminan
aportando suficientes alternativas para analizar posibles errores, omisiones o fraudes. Asimismo,
en el área de la sociología, la información que deviene de censos, estadísticas provenientes de
entornos gubernamentales, entrevistas guiadas, entre otras, terminan elevando su nivel de calidad
mediante los análisis etnográficos, antropología digital, análisis cultural y humanidades digitales.
Al relacionar las técnicas de minería de datos con los procesos de enseñanza y aprendizaje no
dejan de considerarse algunas estrategias pedagógicas que van desde la observación, la resolución
de problemas, los análisis de casos, la creación de mapas mentales y conceptuales, algoritmos,
lógica proposicional, matrices, teoría de conjuntos, segmentación, hasta las entrevistas formales y
semiestructuradas, entre otras; el avance en dicho proceso se agiganta facilitando la optimización,
la gestión de datos de alto nivel, propiciando el uso y establecimiento de patrones, tendencias y
comportamientos, promedios y varianzas, análisis de grupo étnicos, interacciones sociales, e
inclusive el estudio de la evolución humana, es por ello que la minería de datos no deja de aportar
herramientas que coadyuvan con los procesos fundamentales en el estudio de las ciencias sociales.
Tanto el tema de identificar los elementos de innovación educativa que inciden en los sistemas
de gestión de aprendizaje orientados a la enseñanza de las ciencias sociales, como la tarea de
describir las técnicas de minería de datos e inteligencia de negocios que coadyuvan con los
procesos de enseñanza y aprendizaje en este campo, se presentan solo como objetivos perceptuales
Elementos de innovación educativa y de minería de datos presentes
en los sistemas de gestión de aprendizaje orientados a la enseñanza
de las ciencias sociales
71
L-ISSN: 1316-0087
E-ISSN: 2244-7474
Investigación y Postgrado, 39(2), octubre 2024, pp. 55-76
y exploratorios ante el desafiante y disruptivo impulso que trae consigo el tema de la innovación
educativa y la minería de datos.
En este sentido, el reto de la gestión de conocimiento, en los espacios de la Educación
Superior, seguirá estribando en orientar estrategias que admitan la adaptación y adopción
tempranas de esquemas tan innovadores y modernizados a sus procesos de enseñanza y
aprendizaje; el estado de la ciencia de datos continuará en alto crecimiento, por lo que las
exigencias para los futuros profesionales no dejarán de ser también altas. En este aspecto, la
garantía de actualización de los procesos de enseñanza y aprendizaje seguirá supeditada a la
disposición de recursos, tanto en las aulas y laboratorios de clases, como en la preparación y
formación del personal de facilitadores y docentes.
Algunas de las oportunidades que surgen de este tipo estudio podrían orientarse a profundizar,
con mayor énfasis, en las prácticas concretas de enseñanza en las ciencias sociales. El estudio
cuantitativo del comportamiento económico, a través de volúmenes de datos, puede ayudar con la
identificación de tendencias y patrones que informen sobre el desempeño del mercado y la
economía en general, así como, la simulación y el modelaje económico haciendo uso de técnicas
avanzadas con la finalidad de emular escenarios económicos y evaluar el potencial impacto de los
diferentes cursos de acción (políticas públicas), proporcionando a los profesores y estudiantes una
comprensión más práctica y profunda. Por otra parte, en el campo de las ciencias administrativas,
las técnicas de minería de datos pueden orientar estudios para identificar deficiencias en los
procesos operativos de las entidades; por medio de la minería de procesos se puede fomentar
estudios para el análisis y detección de filtros (cuellos de botella) a los fines de optimizar la
asignación de recursos, y también se pueden hacer uso de modelos predictivos para anticiparse a
problemas de índole operativos antes de que estos ocurran, incidiendo así en una gestión más
dinámica y proactiva.
En el ámbito de las ciencias contables se ofrece la oportunidad de orientar estudios a la
evaluación del rendimiento empresarial, por medio de la minería y análisis de datos se pueden
fomentar investigaciones para identificar y correlacionar variables del desempeño financiero con
base al análisis de datos históricos financieros, esto sin duda alguna permitiría determinar aquellas
prácticas contables que conducen a mejorar la rentabilidad de las entidades y por ende, servirán de
guía para la implementación de estrategias más efectivas orientadas a la generación de valor. Por
su parte, en el ámbito de la sociología, se pueden profundizar investigaciones sobre el análisis de
datos comportamentales y demográficos (recopilados de censos y/o encuestas) con la finalidad de
identificar, caracterizar y describir grupos sociales, cambios en las estructuras familiares y
tendencias migratorias, así como, la evaluación y efectividad de políticas públicas implementadas
para la mejora del bienestar colectivo.
Asimismo, se recomienda hacer énfasis en futuras áreas de exploración e investigación
relacionadas con la utilidad práctica de los conocimientos impartidos en la minería de datos en los
estudiantes de las ciencias sociales y su aplicación en el campo laboral. El estudio de la evolución
de los estudiantes en sus respectivas carreras antes de tomar las cátedras relacionadas con la minería
de datos y su posterior uso en otras materias mediante el cual se aplican conceptos y herramientas
adquiridas en minería de datos y su impacto en el rendimiento de estos.
Elementos de innovación educativa y de minería de datos presentes
en los sistemas de gestión de aprendizaje orientados a la enseñanza
de las ciencias sociales
72
L-ISSN: 1316-0087
E-ISSN: 2244-7474
Investigación y Postgrado, 39(2), octubre 2024, pp. 55-76
Implicaciones pedagógicas
La evolución de la humanidad no se ha detenido a lo largo del tiempo. Los seres humanos
vivimos en constantes cambios y, sobre todo, en la búsqueda de mejoras para ser más eficientes y
eficaces. De igual forma, se mantiene una constante necesidad de satisfacer la curiosidad y de
responder a muchas interrogantes que ocupan la dinámica diaria. Dentro de este escenario, las
acciones que a lo largo de la historia el hombre ha aplicado para satisfacer sus múltiples
necesidades permitieron que se generarán inventos y se desarrollará la tecnología. Precisamente,
esta tecnología permitió avances significativos de forma acelerada en todas las áreas del saber. El
telégrafo, el teléfono, las computadoras y el internet, por ejemplo, son elementos que han
impactado la evolución de la comunicación y la ha desarrollo en todas las direcciones. Así, las
nuevas tecnologías disruptivas han aparecido para cambiar de forma importante la manera cómo
se venían haciendo las cosas y con las mismas, los avances son aún mayores. En el área educativa
los cambios son necesarios y se darán mucho más rápido si se utilizan al máximo estas tecnologías.
La educación como tal y el acto en sí de impartir clases no ha cambiado mucho desde la edad
media. Su concepción y forma de hacerlo sigue siendo la misma desde el siglo XI cuando un
profesor enseñaba a sus estudiantes. Sin embargo, las nuevas tecnologías han permitido actualizar
el uso de estrategias pedagógicas y dimensionar de forma exponencial la generación del
conocimiento. Es así como la minería de datos, siendo una de estas tecnologías disruptivas, impactó
de forma positiva a los esquemas de enseñanza, ya que en atención a esta se incorporaron los
esquemas para procesar grandes volúmenes de datos y permitir la generación de información
precisa, concisa, clara y oportuna para los tomadores de decisiones. Los avances en educación a
través de los últimos 50 años se multiplicaron debido a la continua innovación tecnológica, desde
las primeras experiencias con educación a distancia y educación remota, hasta la virtualidad
apoyados por recursos como televisión, microcomputadoras, macrocomputadoras, proyectores,
satélites, internet, intranet, telefonía avanzada, microondas, software y aplicaciones de última
generación (Macías, 2007).
A pesar de los avances y de la difusión masiva propia de nuestra época, en cierta medida,
muchos profesores no conocen estas tecnologías, sin embargo, los departamentos de TIC en los
institutos y universidades generan actividades de capacitación, talleres, y programas de soporte
mediante el cual se enseña la importancia del procesamiento de datos y cómo pueden, con el apoyo
de la minería de datos, aprovechar al máximo toda la información disponible para generar
soluciones a problemas específicos. Las diversas áreas de conocimiento de las ciencias sociales se
presentan como fuentes de oportunidades que promueven la actualización de las estrategias de
enseñanza, y esto no se limita a la extracción de datos para la creación de modelos econométricos,
la predicción en el comportamiento de consumidores, el análisis de información que deviene de la
gestión del marketing para la segmentación de mercados y/o clientes, o bien la disposición de
recursos y el análisis de la información financiera por parte de la gerencia de administración y/o
contabilidad para descubrir patrones y relaciones ocultas en sus datos; la minería de datos propone
incluso la gestión y evaluación de riesgos, la detección de fraudes y los diagnósticos médicos y de
salud.
Elementos de innovación educativa y de minería de datos presentes
en los sistemas de gestión de aprendizaje orientados a la enseñanza
de las ciencias sociales
73
L-ISSN: 1316-0087
E-ISSN: 2244-7474
Investigación y Postgrado, 39(2), octubre 2024, pp. 55-76
Las herramientas y tecnologías de tipo disruptiva, cuyo enfoque parte del uso de técnicas que
fundamentan sus métodos en la minería y análisis de datos, se emplean no solo por y desde las
entidades empresariales que proporcionan este tipo de servicio, sino que también están a la mano
del sector educativo con el objetivo de impactar y afectar positivamente a la sociedad. Desde este
contexto, la minería de datos ha de utilizarse para el análisis de información a través de los procesos
de enseñanza de los estudiantes de Educación Superior y de aquellos procesos educativos que
coadyuvan con la identificación de factores que indefectiblemente influyen, desde diversos
aspectos, en el estadio de la retención y el aprovechamiento del aprendizaje, el rendimiento
académico, la participación y asistencia en actividades programadas o no, por lo que, esto puede
permitir, a los facilitadores y/o docentes, considerar medidas y estrategias que permitan mejorar
los temas y las habilidades de los estudiantes, a los fines de ir adaptando los planes de estudios y
los modelos educativos al ritmo que demanda la continua innovación y la dimensión tecnológica.
La minería de datos en el contexto educativo (MDE) permite la personalización del
aprendizaje. La comprensión de los estudiantes a través de la descripción y análisis de sus
interacciones con plataformas educativas puede admitir la adaptación de los contenidos y métodos
pedagógicos a las necesidades individuales. Por ejemplo, mediante el modelado del conocimiento
del usuario, las instituciones de educación superior pueden impulsar el desarrollo de sistemas,
aplicaciones de tutoría inteligente, guías de estudio y clases guiadas con preparadores (clases
adaptadas) que ofrecerán problemas específicos basados en el desempeño previo del estudiante. En
este sentido, se hace referencia a: i) la implementación del modelo CRISP-DM para el análisis de
datos académicos y predecir deserciones, utilizando herramientas como RapidMiner para depurar
y contrastar datos (Universidad de Tarapacá-Chile); ii) la evaluación del rendimiento académico
mediante técnicas de agrupamiento para la identificación de patrones entre estudiantes con
desempeño similar, facilitando intervenciones personalizadas (Universidad Técnica Particular de
Loja-Ecuador); y, iii) el uso de plataformas Massive Online Open Courses (MOOC) para el análisis
del comportamiento estudiantil mediante minería textual para mejorar la interacción y satisfacción
del estudiante, utilizando herramientas que procesan grandes volúmenes de comentarios y
encuestas.
Referencias
Argañaraz, A., Mazzuchelli, A., Daima, L., López, M. A. y Albanese, D. (2021). Impacto del
blockchain en la contabilidad y auditoría. Revista ejes de economía y sociedad, 5(9), 347-371.
https://repositoriodigital.uns.edu.ar/handle/123456789/5853
Arias, F. (2016). El proyecto de investigación. Episteme.
Bello, M. y Certad, P. (2019). Rutas de la formación basada en competencias. Estrategias
institucionales y didácticas para el desarrollo de competencias. Guía para el profesor.
Universidad Metropolitana.
Bello-Orgaz, G., Jung, J. y Camacho, D. (2016). Social big data: Recent achievements and new
challenges. Information Fusion, 28, 45-59. https://pmc.ncbi.nlm.nih.gov/articles/PMC71
06299/
Elementos de innovación educativa y de minería de datos presentes
en los sistemas de gestión de aprendizaje orientados a la enseñanza
de las ciencias sociales
74
L-ISSN: 1316-0087
E-ISSN: 2244-7474
Investigación y Postgrado, 39(2), octubre 2024, pp. 55-76
Carrillo, J. (2018). Big Data-Analítica del Aprendizaje y Minería de datos Aplicados en la
Universidad. Pro Sciences: Revista de Producción Ciencias e Investigación, 2(8).
https://doi.org/10.29018/issn.2588-1000vol2iss8.2018pp29-54
Casal, I. y Granda, M. (2003). Una estrategia didáctica para la aplicación de los métodos
participativos. Tiempo de educar, 171-202. https://www.redalyc.org/pdf/311/31100707.pdf
Di Prospero, C. (2017). Antropología de lo digital: construcción del campo etnográfico en co-
presencia. Virtualis, 8(15), 44-60. https://doi.org/10.2123/virtualis.v8i15.219
Edelmann, A., Wolff, T., Montagne, D. y Bail, C. (2020). Computational Social Science and
Sociology. Annual Review of Sociology, 46, 61-81. https://doi.org/10.1146/annurev-soc-
121919-054621
Escobar, H., Alcívar, M., Marquez, C. y Escobar, C.E. (2017). Implementación de minería de datos
en la gestión académica de las instituciones de educación superior. Didáctica y Educación,
203-212. https://revistas.ult.edu.cu/index.php/didascalia/article/view/637
Fisa Group. (2022). Data mining en la banca, transformando datos en mejores productos y
servicios. https://www.fisagrp.com/blogs/data-mining-en-la-banca-transformando-datos-en-
mejores-productos-y-servicios
Fundación Telefónica Educación Digital. (2022). Big Data en la Educación: un tesoro para la
toma de decisiones. https://www.telefonicaeducaciondigital.com/tendencias/-/asset_
publisher/LTIINEKg9l8P/content/-big-data-en-educacion-un-tesoro-para-la-toma-de-
decisiones
García, J. M. (2018). Ciencias de Datos. Técnicas Analíticas y aprendizaje estadístico. Un enfoque
práctico. Alfaomega Colombiana.
Gómez-Luna, E., Fernando-Navas, D., Aponte-Mayor, G. y Betancourt-Buitrago, L. (2014).
Metodología para la revisión bibliográfica y la gestión de información de temas científicos, a
través de su estructuración y sistematización. Dina, 81(184), 158-163. https://www.redalyc.
org/articulo.oa?id=49630405022
Gualda, E. (2022). Social big data y sociología y ciencias sociales computacionales. EMPIRIA.
Revista de Metodología de Ciencias Sociales. 53, 147-177. https://doi.org/10.5944/
empiria.53.2022.32631
Hidalgo Cajo, B. (2018). Minería de datos en los sistemas de gestión de aprendizaje en la educación
universitaria. Campus virtuales, 7(2), 115-128. http://uajournals.com/ojs/index.php/campus
virtuales/article/view/334/275
Jiménez, Á. y Álvarez, H. (2010). Minería de Datos en la Educación. Universidad Carlos III de
Madrid.
Elementos de innovación educativa y de minería de datos presentes
en los sistemas de gestión de aprendizaje orientados a la enseñanza
de las ciencias sociales
75
L-ISSN: 1316-0087
E-ISSN: 2244-7474
Investigación y Postgrado, 39(2), octubre 2024, pp. 55-76
Kitchin, R. (2014). Big Data, new epistemologies and paradigm shifts. Big Data & Society, 1, 1-
12. https://doi.org/10.1177/2053951714528
Logreira, C. (2011). Minería de datos y su incidencia en la toma de decisiones empresariales en el
contexto de CRM. Revista Ingeniería Solidaria, 7(12-13), 68-71. https://revistas.ucc.edu.co/
index.php/in/article/view/358/363
Macías, D. (2007). Las nuevas tecnologías y el aprendizaje de las matemáticas. Revista
Iberoamericana de educación, 42(4), 1-17. https://rieoei.org/historico/deloslectores/1517
Macias.pdf
Manovich, L. (2018). Analítica cultural. Revista Occidente, 433, 99-115. https://gescsemiotica.
com/wp-content/uploads/2019/08/Analitica-cultural-Lev-Manovich.pdf
Medina, F. y Gómez, C. (2014). Funcionalidades de la minería de datos. Ingeniería y Región, 12(2),
31-40. https://doi.org/10.25054/22161325.728
Monasterio, J., Briceño, M. y Moreno, G. (2022). Inclusión de contenidos de educación financiera
en los programas académicos del Sistema Educativo Venezolano. Investigación y Postgrado,
37(1), 37-65. https://doi.org/10.56219/investigacinypostgrado.v37i1.20
Moris, T. (2014). Higher education regimes: an empirical classification of higher education
systems and its relationship with student accessibility. Quality & Quantity International
Journal of Methodology, 48(3), 1685-1703. https://ideas.repec.org/a/spr/qualqt/v48y2014
i3p1685-1703.html
Mota, E., Fraile, V. y Balbi, D. (2020). Blockchain, criptoactivos e inteligencia artificial (BCIA):
desafíos para la contabilidad y la auditoría 4.0. XVI Simposio Regional de Investigación
Contable y XXVI Encuentro Nacional de Investigadores Universitarios del Área Contable
(Modalidad virtual). Instituto de Investigaciones y Estudios Contables. Universidad de Buenos
Aires, Argentina. ISSN 2683-6734. http://sedici.unlp.edu.ar/handle/10915/111565
Pérez, C. y Santin, D. (2007). Minería de datos: Técnicas y Herramientas. Paraninfo.
Pink, S., Horst, H., Postill, J., Hjorth, L., Lewis, T. y Tacchi, J. (2019). Etnografía digital:
principios y práctica. Morata. https://edmorata.es/wp-content/uploads/2020/06/Pink
EtnografiaDigital.PR_.pdf
Sugiyarti, E., Jasmi, K.A., Basiron, B. y Huda, M. (2018). Decision Support System of Scholarship
Grantee Selection using Data Mining. International Journal of Pure and Applied
Mathematics, 119(15), 2239–2249. https://www.researchgate.net/publication/326070980_
Decision_Support_System_of_Scholarship_Grantee_Selection_using_Data_Mining
Upegui, J. (2021). Modelos econométricos y minería de datos: cómo se pueden relacionar. Fragua,
15(28), 1-9, 2027-0305. https://revistas.udem.edu.co/index.php/fragua/article/download/43
82/3518/
Elementos de innovación educativa y de minería de datos presentes
en los sistemas de gestión de aprendizaje orientados a la enseñanza
de las ciencias sociales
76
L-ISSN: 1316-0087
E-ISSN: 2244-7474
Investigación y Postgrado, 39(2), octubre 2024, pp. 55-76
Urbina N., Argelia B., y De la Calleja, J. Breve revisión de aplicaciones educativas que utilizan
minería de datos y aprendizaje automático. REDIE. Revista Electrónica de Investigación
Educativa, 19(4), 84-96. https://www.redalyc.org/articulo.oa?id=15553293008
Villarreal, J., Mestre, U. y Llanes, L. (2011). La atención a las diferencias individuales, en aulas
inclusivas, como vía para el aprendizaje desarrollador de las matemáticas en la educación
básica y media, en Colombia. Didasc@lia: Didáctica y Educación, 2(4), 59-74.
https://revistas.ult.edu.cu/index.php/didascalia/article/view/64
Viteri-Palacios, S., Romero-Fernández, A., Cañizares-Galarza, F. y Díaz-Vásquez, R. (2023).
Minería de datos para determinar la mejora en las prácticas docentes. Ingenium et Potentia.
Revista Electrónica Multidisciplinaria de Ciencias Básicas, Ingeniería y Arquitectura, 5(1),
149-160. https://doi.org/10.35381/i.p.v5i1.2641
Yanes, M., Silva, M., García, V. y Payró, P. (2023). Barreras para el uso de innovaciones
tecnológicas en profesores de educación superior. Revista Dilemas Contemporáneos:
Educación, Política y Valores, XI(1). https://doi.org/10.46377/dilemas.v11i1.3751