Modelado de un sistema de reinscripciones escalable sobre una nube híbrida usando Learning Analytics

Autores/as

DOI:

https://doi.org/10.22201/dgtic.26832968e.2025.14.99

Palabras clave:

learning analytics, educación superior, cómputo en la nube, infraestructura como código, redes definidas por software y análisis de datos

Resumen

Los datos generados por los estudiantes universitarios durante su trayectoria académica son una fuente valiosa de información. El análisis de estos datos, a través de técnicas como Learning Analytics, da pie a que las Instituciones de Educación Superior (IES) puedan detectar patrones que influyen en el desempeño de los estudiantes. Para que esta técnica tenga un impacto significativo, las IES deben contar con una arquitectura informática, basada en la nube, que se auxilie de herramientas como Infraestructura como Código (IaC), Redes Definidas por Software (SDN) e Inteligencia Artificial (AI), entre algunas más. Este artículo presenta una propuesta para modelar un sistema de reinscripciones basado en una arquitectura de nube híbrida que emplea Learning Analyticspara la recolección y análisis de los datos, con el propósito de mejorar significativamente la calidad de los servicios ofrecidos por las IES, así como el desempeño de los estudiantes.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Iker Alberto Cedillo Martínez, Universidad Nacional Autónoma de México, Facultad de Ingeniería, Ciudad de México, México.

Iker Alberto Cedillo Martínez es egresado de la carrera de Ingeniería en Telecomunicaciones por la Facultad de Ingeniería de la Universidad Nacional Autónoma de México (UNAM). Durante su trayectoria, se ha especializado en redes de telecomunicaciones, cloud computing y ciberseguridad, con un interés particular en DevOps y Site Reliability Engineering (SRE).

Ha desarrollado proyectos en optimización de redes WiFi utilizando tecnologías SDN, así como en seguridad de infraestructuras en la nube privada con OpenStack. Además, cuenta con certificaciones en Google Cloud, Red Hat, AWS, Scrum Alliance y HashiCorp, que respaldan su formación práctica en entornos de nube, virtualización y automatización con Terraform.

Luis Francisco García Jiménez, Universidad Nacional Autónoma de México, Facultad de Ingeniería, Departamento de Ingeniería en Telecomunicaciones, Ciudad de México, México.

Recibió su grado de licenciatura en Ingeniería Eléctrica en 2005 por parte de la Universidad Nacional Autónoma de México (UNAM), mientras que su maestría y doctorado los realizó en el área de Ciencias de la Computación de la UNAM. Se ha desempeñado como administrador de servidores y redes. Sus áreas de interés son las técnicas de seguimiento y localización, seguridad en redes de sensores y las redes definidas por software. Desde 2017 a la fecha, es profesor de tiempo completo en el Departamento de Ingeniería en Telecomunicaciones de la Facultad de Ingeniería, UNAM.

Citas

[1] G. A. Zamora-Vélez and L. del R. Bermúdez-Cevallos, “Socioeconomic factors and university student dropout”, IJSS, vol. 7, no. 4, pp. 103-112, Nov. 2024, doi: 10.21744/ijss.v7n4.2325.

[2] O. Sefraoui, M. Aissaoui, and M. Eleuldj, “OpenStack: Toward an open-source solution for cloud computing,” International Journal of Computer Applications, vol. 55, no. 3, pp. 38–42, Oct. 2012, doi: 10.5120/8738-2991.

[3] A. van Leeuwen, “Learning analytics to support teachers during synchronous CSCL: Balancing between overview and overload,” Journal of Learning Analytics, vol. 2, no. 2, pp. 138–162, Dec. 2015, doi: 10.18608/jla.2015.22.11.

[4] L. Johnson, R. Smith, H. Willis, A. Levine, y K. Haywood, The 2011 Horizon Report. Austin, TX, USA: The New Media Consortium, 2011.

[5] S. Slade and P. Prinsloo, “Learning analytics: Ethical issues and dilemmas,” American Behavioral Scientist, vol. 57, no. 10, pp. 1510–1529, 2013, doi: 10.1177/0002764213479366.

[6] S. M. Jayaprakash, E. W. Moody, E. J. Lauría, J. R. Regan, and J. D. Baron, “Early alert of academically at-risk students: An open source analytics initiative,” Journal of Learning Analytics, vol. 1, no. 1, pp. 6–47, May 2014, doi: 10.18608/jla.2014.11.3.

[7] Google Cloud, “¿Qué es la nube pública?,” Google Cloud. [En línea]. Disponible en: https://cloud.google.com/learn/what-is-public-cloud?hl=es-419. [Accedido: 2-may-2025].

[8] Google Cloud, “What is hybrid cloud?,” Google Cloud. [En línea]. Disponible en: https://cloud.google.com/learn/what-is-hybrid-cloud?hl=es. [Accedido: 2-may-2025].

[9] Red Hat, “¿Qué es la infraestructura como código (IaC)?,” Red Hat. [En línea]. Disponible en: https://www.redhat.com/es/topics/automation/what-is-infrastructure-as-code-iac. [Accedido: 2-may-2025].

[10] A. Zambrano Espinosa, Uso de SDN, algoritmos de clustering y coloración de grafos para la asignación de canales WiFi, tesis de maestría, Universidad Nacional Autónoma de México, 2022.

[11] C. A. Coello Coello, G. Paic, y L. Serkin, “El rol de la UNAM frente al país en el equilibrio de la balanza entre los peligros y beneficios de la inteligencia artificial,” TIES, no. 10, pp. 72–85, Jun. 2024, doi: 10.22201/dgtic.26832968e.2024.10.10.

[12] F. J.-Y. Jin, “Students’ perceptions of generative AI-powered learning analytics in the feedback process: A feedback literacy perspective,” Journal of Learning Analytics, vol. 12, no. 1, pp. 152–168, Mar. 2025, doi: 10.18608/jla.2025.8609.

[13] H. Oubalahcen, L. Tamym, y M. D. El Ouadghiri, “The Use of AI in E-Learning Recommender Systems: A Comprehensive Survey,” Procedia Computer Science, vol. 224, pp. 437–442, 2023, doi: 10.1016/j.procs.2023.09.061.

Línea de producción agrícola donde dos trabajadores seleccionan aguacates; al frente se muestra una pantalla grande con un sistema digital llamado ‘Manejo de Agricultores’.

Descargas

Publicado

8/12/25 (12:00)

Cómo citar

Cedillo Martínez, I. A., & García Jiménez, L. F. (2025). Modelado de un sistema de reinscripciones escalable sobre una nube híbrida usando Learning Analytics. TIES, Revista De Tecnología E Innovación En Educación Superior, (14), 35–47. https://doi.org/10.22201/dgtic.26832968e.2025.14.99

Número

Núm. 14 (2025): Número 14

Sección

Artículos

Licencia

Derechos de autor 2025 Iker Alberto Cedillo Martínez, Luis Francisco García Jiménez

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.

TIES, Revista de Tecnología e Innovación en Educación Superior, es una publicación semestral de acceso abierto bajo la licencia Creative Commons Atribución-No Comercial 4.0 Internacional (CC BY-NC 4.0). 

ISSN 22683-2968 • © 2025 Universidad Nacional Autónoma de México. TIES, Revista de Tecnología e Innovación en Educación Superior es editada por la Universidad Nacional Autónoma de México a través de la Dirección General de Cómputo y de Tecnologías de Información y Comunicación (DGTIC).  Circuito exterior s/n, Ciudad Universitaria, Alcaldía Coyoacán, C.P. 04510, Ciudad de México, México • Reserva de Derechos de Autor otorgado por INDAUTOR: 04-2019-011816190900-203.

El contenido de los artículos es responsabilidad de los autores y no refleja el punto de vista del Comité editorial, del Editor o de la Universidad Nacional Autónoma de México. Hecho en México, 2025.