USE OF DATA ANALYTICS AND MACHINE LEARNING IN THE PREDICTION OF STUDENT PERFORMANCE: A BIBLIOGRAPHIC REVIEW
DOI:
https://doi.org/10.56219/trascendere.v3i8.6626Keywords:
machine learning, data analytics, educational context, academic performanceAbstract
The present article develops a qualitative literature review with a descriptive and exploratory approach, aimed at examining the theoretical and methodological contents of recent studies related to the use of data analytics and machine learning in predicting academic performance within its social and educational context. The methodology involves a process of information retrieval, organization, and subsequent analysis, employing the PRISMA protocol through the delineation of inclusion and exclusion criteria that ensured the reliability and rigor of the study. The findings indicate that the use of statistical models and data analytics techniques enables the identification of patterns in academic performance, the anticipation of potential risks of academic dropout, and the recognition of social, cultural, and economic factors that influence educational success. Likewise, priority is given to relevant contributions in the formulation of evidence-based pedagogical decision-making. However, several challenges are acknowledged regarding the quality, availability, and integration of data within the educational domain. Finally, guidelines are outlined to strengthen future research in the field of education and to consolidate educational practices grounded in empirical evidence.
Downloads
References
Ali, J. A., Musa, A. H., Abdi, M. K., Ali, T. A., Musa, Y. H., & Cumar, M. A. (2025). Análisis Basado En Aprendizaje Automático De Los Determinantes Del Rendimiento Académico: Influencias Geográficas, Sociodemográficas Y Específicas De Cada Asignatura En Los Exámenes Nacionales De Primaria De Somalilandia De 2022-2023. Revista Internacional De Investigación Educativa Abierta, 1-78.
Bateca, A. (2024). Constructos Teóricos Sobre Las Competencias Socioemocionales Para Orientar El Desarrollo Académico En Los Estudiantes De Educación Básica Primaria De Colombia. Rubio: Universidad Pedagógica Experimental Libertador.
Beltrán, E. (2025). Big Data Y Educación: Cómo La Analítica Predictiva Mejora Las Estrategias De Evaluación En El Aula . Veritas, 1-19.
Castrillón, O., Sarache, W., & Ruiz, S. (2020). Predicción Del Rendimiento Académico Por Medio De Técnicas De Inteligencia Artificial. Predicción Del Rendimie, 93-102.
Castro, B., & Garcia, L. (2025). Analítica De Herramientas De Software Para Mejorar La Enseñanza – Aprendizaje De Big Data En Los Estudiantes En La Carrera De Tecnologías De La Información. Jipijapa-Unesum. Facultad De Ciencias Técnicas, 1-338.
Chairez, G. I., Díaz, M. J., & Cepeda, V. L. (2020). El Contexto Familiar Y Su Vinculación Con El Rendimiento Académico. Ie Revista De Investigación Educativa De La Rediech , Vol. 11 , 1-45.
Chaves, J. M. (2010). Consideraciones Básicas Del Pensamiento Complejo De Edgar Morin, En La Educación. Revista Electrónica Educare, Vol. Xiv, Núm. 1, 67-75.
Chiappe, A., & Rodríguez, L. P. (2017). Analítica Del Aprendizaje En La Educación Del Siglo Xxi: Una Revisión. Ensaio: Aval. Pol. Públ. Educ., Rio De Janeiro, V.25, N. 97, 1-21.
Ciro, C. (2014). Análisis De Las Tendencias De Investigación En Didáctica De Las Ciencias Experimentales. (Trabajo Fin De Master): Universidad De Huelva.
Contreras, L. E., Tarazona, G. M., & Rodríguez, J. I. (2021). Tecnología Y Analítica Del Aprendizaje: Una Revisión A La Literatura . Revista Científica, Vol. 41, 150-168.
Davenport, T., Guha, A., Grewal, D., & Bressgott, T. (2020). How Artificial Intelligence Will Change The Future Of Marketing. Journal Of The Academy Of Marketing Science , 24–42.
Fiestas, J. C., & Armas, R. A. (2026). Predicción Del Rendimiento Académico Mediante Minería De Datos En Estudiantes De Estadística. Revista De Educación Simón Rodriguez, 1-78.
Fiestas, J. C., Armas, R. A., Ruiz, N. C., & Ramos, F. R. (2026). Predicción Del Rendimiento Académico Mediante Minería De Datos En Estudiantes De Estadística. Revista De Educación Simón Rodriguez, 1-56.
Gamal Cerda Etchepare, K. C.-O. (2019). Comprensión Lectora, Estilos Atribucionales, Estrategias Cognitivas Y De Autorregulación En Inteligencia Lógica: Predictores Del Rendimiento Académico General Y En Lenguaje De Estudiantes De Establecimientos Educativos De Alta Vulnerabilidad Social. Onomázein, N.º 45 (Septiembre 2019)., 1-36.
González, K. A., Contreras, M. Y., & Johnson-Restrepo, B. (2023). Condiciones Físico-Ambientales En Las Aulas Y Desempeño Escolar En Colombia. Universidad De Cartagena (Colombia)., 1-56.
Guadalupe, E. S. (2025). Big Data Y Educación: Cómo La Analítica Predictiva Mejora Las Estrategias De Evaluación En El Aula. Revista Veritas Multidisciplinar, 1-45.
Guerrero, L. J., & Ríos, F. M. (2020). Patrones De Aprendizaje Y Su Relación Con El Rendimiento Académico. Universidad Católica De Manizales, 1-56.
Lastre, K., López, L. D., & Alcázar, C. (2018). Relación Entre Apoyo Familiar Y El Rendimiento Académico Enestudiantes Colombianos De Educación Primaria. Psicogente, 21(39), 102-115.
Magallanes, K. K., Plúas, L. D., Aguas, J. F., & Freire, R. L. (2023). La Implementación De La Inteligencia Artificial En Educación Superior: Beneficios Y Limitaciones. Latam Revista Latinoamericana De Ciencias Sociales Y Humanidades, 1-24.
María Vidal Ledo, I. N. (2016). Aula Invertida, Nueva Estrategia Didáctica. Educación Médica Superior.
Martinez, A. (2025). El Rol Del Docente Como Facilitador Del Aprendizaje Y La Aplicación De Prácticas Pedagógicas Para Desarrollar Agencia En Estudiantes De Educación Básica Media. Memoria Académica, 1-90.
Martínez, J. E. (2006). Propuesta De Un Modelo De Gestión Aplicable Al Instituto Universitario De Tecnología Del Estado Bolívar Para Fortalecer La Función De Investigación Del Personal Docente. Bolivar-Colombia: Instituto Universitario De Tecnología Del Estado Bolívar.
Matthew J. Pagea, *. J., & Julie Glanvillej, J. M. (2021). Declaracio´ N Prisma 2020: Una Guı´A Actualizada Para La Publicacio´ N De Revisiones Sistema´ Ticas. Revista Española De Cardiologia, 1-23.
Mella, P. (2025). La Convivencia Escolar: Un Planteamiento Desde La Ética Educativa . Estudios Sociales, 192-221.
Mendoza, L. E. (2023). Aplicando La Analítica De Datos Para Analizar Y Visualizar El Fenómeno De Gentrificación Como Herramienta Para La Toma De Decisiones Estratégicas En Ciudades. Peru: Escuela Politecnica Nacional.
Mogollón, N. (2021). El Contexto Social Vinculado Al Rendimiento Académico En Estudiantes De Básica Primaria. Una Perspectiva Compleja De Explorar. Universidad Pedagógica Experimental Libertador, 1-117.
Moher, D., Liberati, A., Tetzlaff, J., & Altman, D. G. (2009). Preferred Reporting Items For Systematic Reviews And Meta-Analyses: The Prisma Statement. Research Methods & Reporting, 1-8.
Monjelat, N. (2025). Practicas Digitales En Educación Primaria: Aportes Desde Un Estudio Cualitativo Post Pandemia. Impacto De La Implementación De Herramienta Digitales En, 1-70.
Noriega, E. A., Becerra, A., Zepeda, G., & González, R. U. (2024). Minería De Datos Para La Predicción Del Rendimiento Académico De Estudiantes Universitarios. Memorias Del Congreso Internacional De Mecatrónica, Control E Inteligencia Artificial, Unam, , 216-223.
Ocde, O. P. (2019). El Trabajo De La Ocde Sobre Educación Y Competencias. Obtenido De Ocde: Https://Web-Archive.Oecd.Org/Pdfviewer?Path=/2019-05-20/520474-El-Trabajo-De-La-Ocde-Sobre-Educacion-Y-Competencias.Pdf
Omar Castrillón, W. S. (2020). Predicción Del Rendimiento Académico Por Medio De Técnicas De. Universidad Nacional De Colombia, 1-115.
Panta, J. M. (2016). Hábitos De Estudio Y Rendimiento Académico En Los Estudiantes Del Tercer Grado De Educación Secundaria De La I.E. San Martín De Sechura – Piura, 2014. Universidad Nacional De Piura.
Polo, B., Hinojosa, C. A., Weepiu, M. L., & Rodríguez, J. L. (2022). Estilos De Aprendizaje Y Rendimiento Académico En El Área De Comunicación Con Enfoque De Sistemas. Revista De Ciencias Sociales (Ve), 48-62. .
Quílez, A., & Mallén, M. (2024). Influencia Del Razonamiento No Verbal Y Expectativas De Aprendizaje En El Rendimiento. Revista De Investigación En Educación, 531-546.
Realinfluencers. (27 De Febrero De 2017). ¿Es El Aprendizaje Automático El Futuro De La Educación? Obtenido De Https://Www.Realinfluencers.Es/: Https://Www.Realinfluencers.Es/2017/02/27/Es-El-Aprendizaje-Automatico-El-Futuro-De-La-Educacion/
Sánchez, M. F., Hallo, E. P., & Toapanta, M. E. (2025). Impacto De La Implementación De Herramienta Digitales En El Aprendizaje De Los Estudiantes. Universidad De La Rioja, 1.66.
Satrústegui, A., Quílez, A., Mateo, E., & Cortés, A. (2024). Estrategias De Aprendizaje Y Rendimiento Académico En Materias Stem En Educación Secundaria . Revistas Fuentes, 1-12.
Siemens, G. (2014). Analítica Del Aprendizaje: El Surgimiento De Una Disciplina. Estados Unidos: Científico Conductual Estadounidense.
Torres, C. A. (2025). Minería De Datos Para La Predicción Del Rendimiento Académico De Estudiantes Universitarios.
Universidad Politecnica De Cartagena. (2026). Las Estrategias De Búsqueda Basadas En Operadores (A1c11b1d01). Obtenido De Universidad Politecnica De Cartagena: Https://Opencontent.Upct.Es/F0fc64e3b2d34f3a872a841a9c37b 249/9d5494fa4a614596bbac8fec949de3b6/
Vallejo, K. M., Saltos, A. C., Rios, G. C., & Beltrán, L. E. (2025). Aplicaciones De La Ia En La Educación: Enseñanza Yaprendizaje Una Revisión Sistemática . Reciamuc; Editorial Saberes Del Conocimiento, 1-7.
Velasquez Bernal, L. R., Fretel Quiroz, N. M., Lema Rivera, F. F., Sánchez Ramos, B. O., Fuentes, Ahuanari, J. L., & Enriquez Medina, G. R. (2022). Factores Endógenos Y Exógenos Relacionado Con El Rendimiento Académico De Los Estudiantes En Una Universidad Pública Peruana. Revista De Investigación En Ciencias De La Educación Horizontes, 2031-2040.
Yandún, C. A., & Moreno, C. E. (2025). La Tecnología Y El Rendimiento Académico: Una Revisión Sistemática Se-Gún Prisma. Universidad Nacional De La Pampa, 1-87.
Yandún, C., Moreno, C. E., & Navarrete, J. E. (2025). La Tecnología Y El Rendimiento Académico: Una Revisión Sistemática Se-Gún Prisma. Revista Conrado, 1-88.
Downloads
Published
How to Cite
Issue
Section
License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
La revista TRASCENDERE conserva los derechos patrimoniales (copyright) de las obras publicadas, que favorece y permite la reutilización de los mismos bajo la licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 , por lo cual se pueden copiar, usar, difundir, transmitir y exponer públicamente, siempre que se cite la autoría y fuente original de su publicación (revista, editorial, URL y DOI de la obra), no se usen para fines comerciales u onerosos y se mencione la existencia y especificaciones de esta licencia de uso. Si remezcla, transforma o crea a partir del material, debe distribuir su contribución bajo la misma licencia del original.
