Leonardo Emiro Contreras Bravo

En la literatura se encuentran diversos medios que, según las in-vestigaciones, facilitan o ayudan al proceso educativo, como los dispositivos móviles (tabletas y teléfonos) y los reproductores de música como medio de formación de los estudiantes; este proceso es conocido como Mobile Learning (M-Learning). De forma similar, se encuentran también los juegos como estrategia de enseñanza (Game-Learning o G-Learning), así como el uso de las potenciali-dades del aprendizaje electrónico (E-Learning) y de la enseñanza presencial, que dan origen al aprendizaje bimodal (B-Learning).a analítica del aprendizaje (learning analytics) es un nuevo para-digma desarrollado por la generación de un alto volumen de datos que requieren ser analizados por herramientas cada vez más so-fisticadas, como el software de visualización, que ha incursionado en diferentes disciplinas como la física, la ingeniería, la biología y la medicina; el aprendizaje recibe la incursión debido a medios tecnológicos como internet y plataformas conocidas como siste-mas de gestión de aprendizaje.n este documento se analiza la información bibliográfica, con el objetivo de identificar las herramientas, variables y campos que influyen sobre el rendimiento académico a nivel superior. El ren-dimiento académico es uno de los indicadores más estudiados por la comunidad científica en el ámbito educativo, a juzgar por la cantidad de trabajos que involucran las áreas de la psicología, la estadística y la ciencia de datos en los que se han establecido diversos modelos que permitan comprender este fenómeno de la vida académica.

Las herramientas de aprendizaje automático están siendo muy utilizadas por sus buenas aproximaciones al predecir el rendimiento académico de los estudiantes. Se analiza información de la última década con el objetivo de identificar los factores que influyen sobre el rendimiento académico en el nivel superior, a partir de modelos realizados por medio de técnicas de aprendizaje automático. Se plantea una clasificación en factores académicos, sociodemográficos, de aprendizaje en línea, de gestión académica, psicosocial y de entorno académico. También se identifican los algoritmos más usados en su predicción.Adicionalmente, la detección de las variables que más influyen en el fenómeno permitirá implementar algoritmos de Machine Learning pertenecientes a otras ramas de este campo. Así pues, al ahondar un poco más sobre la aplicación de herramientas de Machine Learning en educación superior, este trabajo servirá a docentes e investigadores que deseen investigar estos temas.