Guía docente de la asignatura
(6613) ANALÍTICA DE APRENDIZAJE Y MINERÍA DE DATOS EDUCACIONALES

Curso académico 2026/2027

  1. Identificación

    1. De la asignatura

      Curso Académico
      2026/2027
      Titulación
      GRADO EN CIENCIA E INGENIERÍA DE DATOS
      Nombre de la asignatura
      ANALÍTICA DE APRENDIZAJE Y MINERÍA DE DATOS EDUCACIONALES
      Código
      6613
      Curso
      CUARTO
      Carácter
      OPTATIVA
      Número de grupos
      1
      Créditos ECTS
      4.5
      Estimación del volumen de trabajo
      112.5
      Organización temporal
      2º Cuatrimestre
      Idiomas en que se imparte
      Español
      Curso Académico 2026/2027
      Titulación

      GRADO EN CIENCIA E INGENIERÍA DE DATOS
      Nombre de la asignatura ANALÍTICA DE APRENDIZAJE Y MINERÍA DE DATOS EDUCACIONALES
      Código 6613
      Curso CUARTO
      Carácter OPTATIVA
      Número de grupos 1
      Créditos ECTS 4.5
      Estimación del volumen de trabajo 112.5
      Organización temporal 2º Cuatrimestre
      Idiomas en que se imparte Español

    2. Del profesorado: Equipo docente

      • RUIPEREZ VALIENTE, JOSE ANTONIO Docente: GRUPO 1 Coordinación de los grupos: GRUPO 1 Coordinador de la asignatura

        Categoría

        PROFESORES TITULARES DE UNIVERSIDAD

        Área

        CIENCIA DE LA COMPUTACIÓN E INTELIGENCIA ARTIFICIAL

        Departamento

        INGENIERÍA DE LA INFORMACIÓN Y LAS COMUNICACIONES

        Correo electrónico / Página web / Tutoría electrónica

        jruiperez@um.es https://webs.um.es/jruiperez/ Tutoría electrónica: Sí

        Teléfono, horario y lugar de atención al alumnado

      • POLO GAMBIN, JAVIER Docente: GRUPO 1 Coordinación de los grupos:

        Categoría

        INVESTIGADOR/A LICENCIADO/A

        Área

        No consta

        Departamento

        No consta

        Correo electrónico / Página web / Tutoría electrónica

        javier.polog@um.es Tutoría electrónica: No

        Teléfono, horario y lugar de atención al alumnado

  2. Presentación

    Esta asignatura se centrará en el estudio de técnicas de análisis de datos provenientes de entornos educacionales con el propósito de entender el aprendizaje y mejorar el entorno donde sucede.

    Desde el punto de vista teórico, se estudiarán técnicas variadas cuantitativas (testeo de hipótesis, interfaces de visualizaciones, modelos de clasificación/regresión, social network analysis), técnicas cualitativas (codificación, encuestas) y de procesado de señal multimodal (biométricas, audiovisuales y de otros sensores), todo ello aplicado en contextos educacionales.

    Las prácticas de la asignatura estarán fuertemente orientadas al aprendizaje basado en proyectos mediante juegos de datos reales de diversos contextos educacionales, siendo por lo tanto muy aplicada y práctica. Se incluirán seminarios para hacer una introducción a la investigación en este campo.

  3. Condiciones de acceso a la asignatura

    1. Incompatibilidades

      No constan

    2. Requisitos

      No constan

    3. Recomendaciones

      No constan

  4. Competencias

    1. Competencias básicas

      • CB3: Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética
      • CB5: Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

    2. Competencias de la titulación

      • CG1: Conocer y aplicar la analítica de datos y técnicas estadísticas apropiadas para descubrir nuevas relaciones en los datos y realizar aportaciones a procesos de las organizaciones, así como apoyar en la toma de decisiones.
      • CG2: Conocer y aplicar los fundamentos de ingeniería y tecnologías informáticas actuales para diseñar e implementar nuevas aplicaciones de análisis de datos.
      • CG4: Capacidad para aplicar los métodos generales de la ciencia e ingeniería de datos en los tipos de datos de dominios específicos, así como en la presentación de los datos, el modelado de datos y procesos, los roles organizacionales y las relaciones entre estos.
      • CE1: Usar de forma efectiva una variedad de técnicas de análisis de datos, tales como aprendizaje computacional (incluyendo aprendizaje supervisado, no supervisado y semi-supervisado), minería de datos, analítica prescriptiva y predictiva, para abordar el análisis de datos complejo en todo el ciclo de vida de los datos.
      • CE4: Comprender y usar diferentes métricas de desempeño y precisión para validar modelos en proyectos de analítica, test de hipótesis y recuperación de información.
      • CE6: Visualizar los resultados del análisis de datos, diseñar paneles de control, usar métodos de storytelling.
      • CE15: Procesar y analizar datos procedentes de fuentes, tipos y formatos de datos semi estructurados y estructurados de interés para Ciencia de datos.

    3. Competencias transversales y de materia

      No constan

  5. Contenidos

    1. Teoría

      Tema 1: Introducción a los sistemas interactivos de aprendizaje

      Tema 2: Juegos serios

      Tema 3: Interfaces de visualización de datos

      Tema 4: Analítica multimodal del aprendizaje

      Tema 5: Métodos analíticos de redes/grafos en educación

      Tema 6: Inferencia del conocimiento y sistemas adaptativos

      Tema 7: Seminarios

      1. Introducción a la investigación
      2. Diseño experimental y evaluación de resultados
      3. Técnicas cualitativas para el análisis de datos

    2. Prácticas

      • Práctica 1: Juegos serios

        Aplicación de técnicas propias de la evaluación de competencias a través de juegos sobre un conjunto de datos recogido de un juego serio.

        Relacionado con:
        • Tema 2: Juegos serios

      • Práctica 2: Interfaz de visualizaciones educacional

        Diseño e implementación de una interfaz de visualizaciones orientada a un usuario final en un contexto educativo, en base a un contexto y propósito concretos.

        Relacionado con:
        • Tema 3: Interfaces de visualización de datos

      • Práctica 3: Analítica del aprendizaje multimodal

        Se aplicarán técnicas específicas en un juego de datos multimodal que pueda incluir datos de distinto tipo.

        Relacionado con:
        • Tema 4: Analítica multimodal del aprendizaje

      • Práctica 4: Análisis de redes sociales educacionales

        Se analizará un juego de datos de redes sociales en un contexto educativo.

        Relacionado con:
        • Tema 5: Métodos analíticos de redes/grafos en educación

      • Práctica 5: Estudio de artículo académico

        Se estudiará un artículo académico en la materia de analítica del aprendizaje, minería de datos educacionales o IA en educación que provenga de una de las conferencias top del área.

        Relacionado con:
        • Tema 1: Introducción a los sistemas interactivos de aprendizaje
        • Tema 2: Juegos serios
        • Tema 3: Interfaces de visualización de datos
        • Tema 4: Analítica multimodal del aprendizaje
        • Tema 5: Métodos analíticos de redes/grafos en educación
        • Tema 6: Inferencia del conocimiento y sistemas adaptativos
        • Tema 7: Seminarios

  6. Actividades Formativas

    Actividad Formativa Metodología Horas Presencialidad
    AF1: Exposición teórica: Exposición de los contenidos teóricos de la asignatura por parte del profesor. También se contemplan las sesiones informativas sobre el desarrollo del trabajo de fin de grado o prácticas externas. 14.0 100.0
    AF2: Seminarios y actividades de aula: Exposición, análisis y debate dentro del contexto de aplicaciones específicas de contenidos teóricos, así como planteamiento y resolución de ejercicios y casos prácticos en el aula, tanto al grupo completo como en grupos reducidos. También se contemplan conferencias, debates y seminarios temáticos. 4.0 100.0
    AF3: Prácticas de laboratorio: Ejercicios y resolución de problemas, aprendizaje orientado a proyectos, estudio de casos, exposición y discusión de trabajos, simulaciones y/o prácticas con ordenadores, generalmente desarrolladas en grupos reducidos. 20.0 100.0
    AF4: Trabajo autónomo del alumno: Estudio y preparación de contenidos teórico-prácticos, trabajo individual consistente en lecturas, búsquedas de información, sistematización de contenidos, elaboración de informes o estudio para la elaboración de casos entre otras actividades. 67.5 0.0
    AF5: Tutorías formativas y resolución de dudas: Asistencia individualizada -tutorías individuales- o en grupo -tutorías colectivas- a los estudiantes por parte del profesor. 3.0 100.0
    AF6: Evaluación: Pruebas individuales, ya sean escritas, orales o con medios informáticos, donde el estudiante demostrará los conocimientos teóricos y prácticos adquiridos durante las actividades formativas asociadas a la enseñanza de la materia. 4.0 100.0
    Totales 112,50

  7. Horario de la asignatura

    https://www.um.es/web/estudios/grados/ciencia-ingenieria-datos/2026-27#horarios

  8. Sistemas de Evaluación

    Identificador Denominación del instrumento de evaluación Criterios de Valoración Ponderación
    SE1 Exámenes individuales: Pruebas objetivas, de desarrollo, de respuesta corta, de ejecución de tareas o de escala de actitudes, realizadas por los estudiantes para mostrar los conocimientos teóricos y prácticos adquiridos ya sea de forma oral, escrita o utilizando un ordenador.

    Esta prueba final podrá consistir en una prueba que combine conocimientos teóricos y prácticos de forma escrita, ya sea mediante preguntas breves o de tipo test, así como ejercicios prácticos de los que se hayan visto durante la asignatura

    Los criterios de evaluación de este instrumento incluyen que los alumnos proporcionen respuestas precisas, completas, y de alta calidad mediante una comunicación y extensión adecuada.

    Durante la evaluación continua, tendrá una ponderación del 40%, en la convocatoria extraordinaria o prueba global, tendrá una ponderación del 50%, al mover el 10% del SE4 a SE1

    		 50.0
    SE3 Procedimientos de observación del trabajo del estudiante: Registros de participación, de realización de actividades, cumplimiento de plazos, participación en foros, informes de seguimiento del trabajo fin de grado y registros sobre el desarrollo de las prácticas externas.

    En este instrumento se tendrá en cuenta la entrega puntual de los trabajos, la participación activa en clase, y la resolución de problemas o respuestas a los ejercicios y cuestiones planteados durante las clases Durante la evaluación continua, tendrá una evaluación del 10%, mientras que la convocatoria extraordinaria o prueba global, este sistema de evaluación no se aplica porque no se puede hacer seguimiento del trabajo de estudiante una vez finalizada la docencia, y su peso se mueve al instrumento de evaluación SE1. SE3 se considera NO RECUPERABLE: ver apartado de observaciones.

    		 10.0
    SE4 Informe técnico. En este instrumento incluimos los resultados de actividades prácticas, o de laboratorio, junto con sus memorias descriptivas y posibles resúmenes del estado del arte sobre temas concretos. La opción de realizar entrevistas personales o presentaciones de los trabajos realizados también entran en esta categoría.

    Este instrumento incluye la resolución técnica y la documentación técnica de las cinco prácticas de la asignatura. La evaluación se basará en la calidad técnica, en cumplir los objetivos especificados por la práctica-trabajo y en una buena presentación y justificación de los resultados. Se trata de una actividad obligatoria para superar la asignatura y tendrá la misma ponderación tanto en la evaluación continua como en la prueba global o convocatoria extraordinaria de la asignatura.La calificación del SE4 es recuperable: ver apartado de observaciones

    		 40.0

  9. Fechas de exámenes

    https://www.um.es/web/estudios/grados/ciencia-ingenieria-datos/2026-27#examenes

  10. Resultados del Aprendizaje

    1. Diseñar analíticas especializadas para mejorar la toma de decisiones.
    2. Adaptar y optimizar las soluciones computacionales existentes para adaptarse mejor a una plataforma de análisis de datos determinada.
    3. Evaluar varios métodos y predecir qué método puede optimizar la resolución de problemas en entornos educacionales.
    4. Analizar modelos relacionados con el dominio y proponer métodos analíticos, sugerir nuevos datos o mejorar la calidad de los datos utilizados.

  11. Bibliografía

    Bibliografía básica

    • Charles Lang, George Siemens, Alyssa Friend Wise, Dragan Gašević, Agathe Merceron (Eds.). 2022. Handbook of Learning Analytics (2nd. ed.). SoLAR, Vancouver, BC. DOI: 10.18608/hla22

    • Saqr, M., & López-Pernas, S. (2024). Learning analytics methods and tutorials: A practical guide using R (p. 736). Springer Nature.

  12. Observaciones

    NECESIDADES EDUCATIVAS ESPECIALES

    Aquellos estudiantes con discapacidad o necesidades educativas especiales podrán dirigirse al Servicio de Atención a la Diversidad y Voluntariado (ADYV - https://www.um.es/adyv) para recibir orientación sobre un mejor aprovechamiento de su proceso formativo y, en su caso, la adopción de medidas de equiparación y de mejora para la inclusión, en virtud de la Resolución Rectoral R-358/2016. El tratamiento de la información sobre este alumnado, en cumplimiento con la LOPD, es de estricta confidencialidad.

    EVALUACIÓN

    En el procedimiento de evaluación resultarán de aplicación el artículo 135.1.v) de los Estatutos de la Universidad de Murcia, el artículo 8.6 del Reglamento de Evaluación de Estudiantes (REVA) y la instrucción SG 18/2026 del secretario general de la Universidad de Murcia que interpreta estas normas, disponible en este enlace: https://sede.um.es/sede/documento/normativa/instruccion-del-secretario-general-sg-18-2026-sobre-la-interpretacion-y-aplicacion-del-art-135-1-v-estatutos-umu/24199.pdf

    Se recuerda asimismo que el artículo 22.1 del Reglamento de Evaluación de Estudiantes (REVA) estipula que "el o la estudiante que se valga de conductas fraudulentas, incluida la indebida atribución de identidad o autoría, o esté en posesión de medios o instrumentos que faciliten dichas conductas, obtendrá la calificación de cero en el procedimiento de evaluación y, en su caso, podrá ser objeto de sanción, previa apertura de expediente disciplinario".

    OBSERVACIONES DEL EQUIPO DOCENTE

    En el procedimiento de evaluación resultarán de aplicación el artículo 135.1.v) de los Estatutos de la Universidad de Murcia, el artículo 8.6 del Reglamento de Evaluación de Estudiantes (REVA) y la instrucción SG 16/2026 del secretario general de la Universidad de Murcia que interpreta estas normas, disponible en el siguiente enlace: https://sede.um.es/sede/documento/normativa/instruccion-del-secretariogeneral- sg-18-2026-sobre-la-interpretacion-y-aplicacion-del-art-135-1-vestatutos-umu/24199.pdf

    Evaluación continua:

    Durante la evaluación continua, se tendrán en cuenta todos los instrumentos de evaluación de la asignatura. Para poder hacer una media ponderada, el alumno deberá obtener al menos un 3,5 en el examen individual y en las prácticas y trabajo de la asignatura. El examen individual y todas las prácticas son actividades obligatorias de la asignatura. El desglose de las notas de evaluación durante la evaluación continua es el siguiente:

    1. SE1: Exámenes individuales 50%
    2. SE3: Procedimientos de observación del trabajo del estudiante 10%
    3. SE4: Informe técnico 40%

    Convocatoria extraordinaria o prueba global

    El artículo 86 del Reglamento de Evaluación de Estudiantes(REVA) prevé: "Salvo en el caso de actividades definidas como obligatorias en la guía docente, si el o la estudiante no puede seguir el proceso de evaluación continua por circunstancias sobrevenidas debidamente justificadas, tendrá derecho a realizar una prueba global"

    En la convocatoria extraordinaria o en la prueba global, sólo se tendrán en cuenta como instrumentos de evaluación el examen individual y las prácticas de la asignatura con la ponderación que sigue:

    1. SE1: Exámenes individuales 60%
    2. SE4: Informe técnico 40%

    Para poder hacer una media ponderada el alumno deberá obtener al menos un 3,5 en el examen individual y en las prácticas y trabajo de la asignatura.

    El sistema de evaluación SE3 se considera NO RECUPERABLE, ya que no se puede replicar la interacción, asistencia a clase y actividades participativas a resolver en las sesiones durante el cuatrimestre. El porcentaje de SE3 se mueve al SE1 para aquellos que acrediten circunstancias sobrevenidas en los términos del art. 8.6 del REVA. El sistema de evaluación SE4 se recuperará entregando las tareas entregables y los ejercicios prácticos a través de la herramienta “Tareas” en los plazos indicados en el llamamiento publicado en el sitio de la asignatura (AV).