Sergio Luján Mora

Profesor Titular de Universidad

Aportaciones para la mejora de la educación virtual en la enseñanza de la ingeniería

Descarga: Aportaciones para la mejora de la educación virtual en la enseñanza de la ingeniería

Anuncio de la tesis de Mirian Guadalupe Peñafiel Aguilar en la EDUA

Ficha en TESEO

Fecha de lectura: 16/02/2018

Tribunal:

  • PRESIDENTE: DR. D. JOSÉ ANTONO GUTIÉRREZ DE MESA. Profesor Titular de Universidad. Univ. Alcalá. Dpto. Ciencias de la Computación.
  • SECRETARIO: DR. D. SANTIAGO MELIÁ BEIGBEDER. Profesor Titular de Universidad. Univ. Alicante. Dpto. Lenguajes y Sistemas Informáticos.
  • VOCAL: DRA. Dª. MARY LUZ SÁNCHEZ GORDÓN. Investigadora invitada. Escuela Politécnica Nacional (Quito-Ecuador). Dpto. Informática y Ciencias de la Computación.

Resumen:

INTRODUCCIÓN

Hoy en día, el uso de las Tecnologías de la Información y Comunicación (TIC) en la educación, es prueba de innovación, calidad y facilidad de acceso. Conscientes de este reto, las instituciones de educación superior están haciendo esfuerzos para incorporar estas herramientas que promuevan, motiven y mejoren los procesos de enseñanza aprendizaje.

La inclusión de políticas mundiales que apoyan el uso de las TIC en la educación ha sido deseada y esperada desde hace mucho tiempo. La primera política referida a la integración de las TIC fue declarada explícitamente dentro de los Objetivos de Desarrollo del Milenio ( ODM ) descritos en el objetivo 8F. En cooperación con el sector público, proporcionar acceso a los beneficios en las nuevas tecnologías, especialmente la información y la comunicación?, y en la reunión de Educación Global para Todos (EPT) 2014, cuyos objetivos educativos propuestos por el Grupo de Trabajo Abierto sobre el Desarrollo Sostenible 4. enuncia: ?Garantizar la inclusión de oportunidades de aprendizaje permanente y una educación de calidad y equitativa para todos?. Siendo la universidad la llamada a dar respuestas a las necesidades emanadas del avance de la tecnología, considerando que los debates acerca de uso de las TIC no son de hoy, sino más bien una preocupación que viene dada desde el surgimiento mismo de la tecnología.

Hoy en día, conscientes de este contexto, las instituciones de educación superior están incorporando las TIC para promover el logro efectivo de los resultados de aprendizaje. Las TIC se involucran en todo el quehacer humano como parte integral y activa de nuestra sociedad. Por tanto, ya no es posible pensar en una educación en la cual las TIC no sean un apoyo esencial en todo el proceso educativo, volviéndose una parte consustancial del mismo.

El impacto de las TIC ha implicado que se deban utilizar nuevas herramientas para aprender, comunicarse y vincularse con la sociedad acorde a su desarrollo. Una prueba de ello es la vinculación entre educación y tecnología. Precisamente, las instituciones educativas alrededor del mundo han tratado de incluir el uso de algún tipo de TIC como evidencia de innovación y calidad en los procesos educativos. Una de las formas más utilizadas de las TIC es el uso de los sistemas de gestión de aprendizaje tales como Moodle con el uso del aula virtual para la adopción de la educación virtual desde sus diferentes modalidades.

Adicionalmente las características particulares de la enseñanza en ingeniería que necesita ser enfocado desde sus rasgos distintivos tales como: diseñar actividades de tipo práctico y concreto, contextualizar el problema, motivar el aprendizaje relacionando el material nuevo con el anterior, etc., son sólo algunas de las recomendaciones que deben ser consideradas cuando se diseñan actividades de aprendizaje en carreras técnicas, lo cual generalmente no ocurre debido a la brecha que existe entre las enseñanzas técnicas, la pedagogía y la didáctica, sin entender que son componentes que deben tener un vínculo estrecho casi intangible pero esencial.

La motivación de esta investigación es aportar con propuestas que permitan reducir la brecha entre la tecnología y la enseñanza en ingeniería. Tales propuestas permitirán apoyar a instituciones de educación superior que tienen dificultades para incluir la tecnología como herramienta en el aula.

Algunas barreras que impiden la inclusión de las TIC en la educación virtual para ingeniería se deben a la falta de estándares, modelos y metodologías que permitan proveer de un marco de trabajo guía para la implementación de la educación virtual, para ello se ha trabajado en las propuestas que se describen a continuación.


DESARROLLO

El trabajo desarrollado en esta investigación consideró como insumos, el diagnóstico realizado desde la perspectiva de los involucrados de la institución del caso de estudio así como también la información que proviene de la revisión sistemática de la literatura, para con ello establecer las necesidades, las mismas que permitieron establecer el campo de acción de esta investigación. Por tanto los aportes de esta investigación se basan en propuestas que contribuyen con modelos y metodologías que permitan un marco de trabajo guía para la optimización de los procesos relacionados con el uso de la educación virtual en las instituciones de educación superior de ingeniería.

Se partió con establecer un marco de trabajo del Modelo PEME (Planificar, Elaborar, Monitorear, Evaluar) para diseñar espacios virtuales basados en fundamentos pedagógicos, instruccionales y técnicos. Asimismo se definió un proceso de autoformación de docentes de ingeniería Input-Output-Process (IPO) que contempla entradas, procesos y salidas utilizando la educación virtual para la autoformación permanente.

Un aporte muy importante en esta investigación lo constituyó la Metodología de Análisis de Texto y Análisis de Sentimiento (ATS), la misma que se basa en un conjunto de herramientas de minería de datos que utilizan el análisis de texto y el análisis de sentimiento para analizar los textos no estructurados que provienen de la web. Así como los datos que provienen de la web tales como redes sociales o de las empresas que utilizan la minería de datos para determinar el sentimiento positivo o negativo de sus clientes, así mismo se propone esta metodología para analizar los datos del contexto educativo, con el objetivo de obtener un valor de polaridad que permita analizar el sentimiento positivo, negativo o neutro de los datos de este contexto.

La propuesta define dos fases la Fase 1 de Análisis de Texto donde se procede a la recolección y limpieza de datos terminando la fase al determinar la frecuencia de palabras obtenidas. A continuación se pasa a la Fase 2 donde se realiza el proceso de traducción automática, con el resultado obtenido se realiza el análisis de sentimientos propiamente dicho, para finalmente obtener los valores de polaridad de las cadenas analizadas. La aplicación de esta metodología permitió recabar importante información del diagnóstico realizado a los involucrados, que no pudo ser evaluado utilizando métodos cuantitativos tradicionales.

Para validar las propuestas se utilizó como caso de estudio a la Escuela Politécnica Nacional, institución líder en las enseñanzas técnicas en su país, este caso de estudio es relevante por la particularidad de los datos. Con el fin de realizar un diagnóstico del estado actual de la educación virtual en la IES del caso de estudio, se utilizó el Modelo de madurez del e-learning (eMM) que permitió establecer fortalezas, debilidades y propuestas de mejora. Adicionalmente se propone la incorporación de una nueva Área clave de proceso (KPAs) dentro del modelo eMM, como es la Accesibilidad. La propuesta se basa en la necesidad de incorporar este concepto dentro de la educación virtual dada su relevancia para que el acceso a la educación de los estudiantes con algún tipo de discapacidad no se vea limitado.


CONCLUSIONES

Como conclusiones del trabajo realizado se pueden mencionar:

La investigación realizada partió de la identificación del problema y de la definición de una base teórica del estado de la cuestión de la educación virtual.

El diagnóstico realizado para determinar la línea de base de acción para esta investigación desde la perspectiva de los involucrados, utilizó técnicas tradicionales de investigación y técnicas de minería de datos. Como resultado se obtuvo el complemento ideal en razón de la dificultad de cuantificar y evaluar las preguntas abiertas de los instrumentos como los cuestionarios en línea. De esta forma se pudo corroborar resultados y realizar un estudio más detallado de los datos con el objetivo de detectar información relevante.

La propuesta de un marco de trabajo para implementar aulas virtuales en ingeniería que contemple elementos pedagógicos, didácticos y tecnológicos se vio como una falencia por tanto una necesidad. Para ello se propone el modelo PEME para la construcción espacios virtuales de aprendizaje, el modelo define fases que guían este proceso, lo que constituye un aporte para eliminar la brecha entre la educación en ingeniería y la tecnología.

La necesidad de un proceso de formación permanente para los docentes de ingeniería fue detectada, para satisfacer este requerimiento se propone un modelo de proceso de autoformación que considera entradas, procesos y salidas para la actualización permanente con el uso del e-learning y el autoaprendizaje contínuo en los roles de estudiante y tutor en forma simultánea.

La metodología de análisis de texto y análisis de sentimiento usando minería de datos, se propone como una solución a la necesidad de evaluar cadenas de texto no estructuradas de los entornos en línea con resultados satisfactorios. Si bien esta metodología fue probada para un entorno educativo la generalidad de sus métodos permite que pueda ser usada en cualquier entorno.

El modelo de madurez eMM, se seleccionó como una solución a la falta de estándares de calidad de los procesos involucrados en la educación virtual. Dado que este modelo ofrece un conjunto de elementos fácilmente adaptables a las necesidades de las IES, pudo ser aplicado a la EPN como caso de estudio, ofreciendo recomendaciones para la aplicación y mejora de la educación virtual.

Se detectó información relevante para la toma de decisiones por parte de los involucrados como el compromiso por parte de los docentes, para dedicar tiempo y esfuerzo para promover el uso de las TIC en el aula a través de las aulas virtuales como herramientas de apoyo al trabajo presencial. Por tanto será importante proponer incentivos que les facilite a los docentes plasmar en acciones concretas sus intenciones.

El determinar que todos los involucrados consideran a Moodle como una herramienta con un alto grado de usabilidad, y que el b-learning es la modalidad apropiada para este caso de estudio, constituye información que permitirá a los gestores de la institución la toma de decisiones acertivas.

Otro punto detectado en la investigación fue que los docentes también requieren soporte para el diseño de sus cursos a través de un equipo de apoyo. Este es un indicador que evalúa el modelo de madurez eMM y que en el análisis realizado se hizo evidente, esto permitirá optimizar el uso de la plataforma por parte de los involucrados.


REFERENCIAS

ACM. (2017). The ACM Computing Classication System (CCS). (Disponible en: https://goo.gl/svaBFK).
Agrawal, R., Golshan, B., y Papalexakis, E. (2016). Toward data-driven design of educational courses: a feasibility
study. Journal of Educational Data Mining (JEDM), 8 (1), pp. 1-21.
Agrawal, R., y Srikant, R. (1994). Fast algorithms for mining association rules. En 20th International Conference on
Very Large Data Bases (VLDB) (Vol. 1215, pp. 487-499).
Aguado, D., Arranz, V., Valera-Rubio, A., y Marín-Torres, S. (2011). Evaluación de un programa blended-learning
para el desarrollo de la competencia trabajar en equipo. Psicothema, 23 (3), pp. 356-361.
Ahlan, A. R., y Subiyakto, A. (2014). Implementation of input-process-output model for measuring information
system project success. Indonesian Journal of Electrical Engineering and Computer Science, 12 (7), pp. 5603-5612.
Alba Pastor, C and Carballo Santaolalla, R. (2005). Viabilidad de las propuestas metodológicas para la aplicación
del crédito europeo por parte del profesorado de las universidades españolas, vinculadas a la utilización de las TIC
en la docencia y la investigación. Revista de Educación, 337, 71-97.
Aldosemani, T. I., Shepherd, C. E., Gashim, I., y Dousay, T. (2015). Developing third places to foster sense of
community in online instruction. British Journal of Educational Technology, 47 (6), 1020-1031.
Aldrich, C. (2003). Simulations and the future of learning: An innovative (and perhaps revolutionary) approach to elearning.
John Wiley & Sons.
Allen, I. E., y Seaman, J. (2013). Changing Course: Ten years of tracking online education in the United States. En
Sloan Consortium (pp. 1-47). ERIC.
Al-Mahmoud, H., y Al-Razgan, M. (2015). Arabic text mining a systematic review of the published literature 2002-
2014. En IEEE 17th International Conference on Cloud Computing (ICCC) (pp. 1-7).
Almasoud, A. M., Al-Khalifa, H. S., y Al-Salman, A. (2015). Recent developments in data mining applications and
techniques. En IEEE 10th International Conference on Digital Information Management (ICDIM) (pp. 36-42).
Alonso, F., López, G., Manrique, D., y Viñes, J. M. (2005). An instructional model for web-based e-learning
education with a blended learning process approach. British Journal of Educational Technology, 36 (2), 217-235.
Altrabsheh, N., Cocea, M., y Fallahkhair, S. (2014). Sentiment analysis: towards a tool for analysing real-time
students feedback. En IEEE 26th International Conference on Tools with Articial Intelligence (ICTAI) (pp. 419-423).
Araujo, M. (2011). Las revisiones sistemáticas (I). Medwave, 11 (11), 16.
Awang, N. B., y Darus, M. Y. B. (2012). Evaluation of an open source learning management system: Claroline.
Procedia-Social and Behavioral Sciences, 67, 416-426.
Bacsich, P. (2010). Benchmarking e-learning in UK universities: Lessons from and for the international context.
Correlation between Performance and Quality of Academic Stain National Open University of Nigeria (NOUN), 4 (1),
19.
Baker, R. (2010). Data mining for education. En International Encyclopedia of Education (Third Edition) (Vol. 7, pp.
112-118). Oxford, UK: Elsevier.
Baker, R., y Yacef, K. (2009). The state of educational data mining in 2009: A review and future visions. Journal of
Educational Data Mining (JEDM), 1 (1), 317.
Bakharia, A., Corrin, L., de Barba, P., Kennedy, G., Ga?evi?, D., Mulder, R., Lockyer, L. (2016). A conceptual
framework linking learning design with learning analytics. En 6th International conference on Learning Analytics &
Knowledge, (ICLAM) (pp. 329-338).
Banumathi, A., y Pethalakshmi, A. (2012). A novel approach for upgrading Indian education by using data mining
techniques. En IEEE International Conference on Technology Enhanced Education (ICTEE) (pp. 15).
Barberà, E., y Badia, A. (2005). El uso educativo de las aulas virtuales emergentes en la educación superior.
Revista de Universidad y Sociedad del Conocimiento, 2 (2), 112.
Bermejo, S. (2005). Cooperative electronic learning in virtual laboratories through forums. IEEE Transactions on
Education, 48 (1), 140-149.
Bersin, J. (2005). The four stages of e-learning: A maturity model for online corporate training. Bersin & Associates.
Bower, M., Lee, M. J., y Dalgarno, B. (2016). Collaborative learning across physical and virtual worlds: Factors
supporting and constraining learners in a blended reality environment. British Journal of Educational Technology, 48
(2), 407-430.
Brajnik, G. (2008). A Comparative Test of Web Accessibility Evaluation Methods. En 10th international ACM
SIGACCESS conference on Computers and accessibility (ASSETS) (pp. 113-120).
Branch, R. M. (2009). Instructional design: The ADDIE approach. Springer US.
Branch, R. M., y Kopcha, T. (2014). Instructional design models. Handbook of research on educational
communications and technology. Springer.
Brooke, J., Toloski, M., y Taboada, M. (2009). Cross-linguistic sentiment analysis: from english to spanish. En 7th
Recent Advances in Natural Language Processing (RANLP) (pp. 50-54).
Bushnell, D. S. (1990). Input, process, output: A model for evaluating training. Training & Development Journal, 44
(3), 41-44.
Cabero, J. (2006). Bases pedagógicas del e-learning. RUSC. Universities and knowledge society journal, 3 (1), 1-
10.
Cabero, J. (2011). Diseño, producción y evaluación de un entorno telemático para la formación y reflexión del
profesorado universitario en la implantación del Espacio de Educación Europeo de Educación Superior. En
Memoria de Investigación Estudio y Análisis (pp. 1-184). Ministerio de Educación España.
Calle, T., Sánchez-Gordón, S., Peñafiel, M., y Luján-Mora, S. (2018). A Process for Self-Training of Engineering
Educators Using e-Learning. International Journal of Engineering Education, 1-12. (en prensa)
Cambria, E., Schuller, B., Xia, Y., y Havasi, C. (2013). New avenues in opinion mining and sentiment analysis.
IEEE Intelligent Systems, 28 (2), 15-21.
Cano, C., Fernández Sanz, L., Pages, L., Villalba, M. T., Temesio, S., y Motz, R. (2012). Modelos de madurez de la
enseñanza virtual ¿Consideran la accesibilidad? En 4th Congreso Internacional sobre Aplicación de Tecnologías de
la Información y Comunicaciones Avanzadas (ATICA) (pp. 100-108).
Ceci, F., Goncalves, A. L., y Weber, R. (2016). A model for sentiment analysis based on ontology and cases. IEEE
Latin America Transactions, 14 (11), 4560-4566.
Chakraborty, G., Pagolu, M., y Garla, S. (2014). Text mining and analysis: practical methods, examples, and case
studies using SAS. SAS Institute.
Chatti, M. A., Jarke, M., y Specht, M. (2010). The 3P learning model. Journal of Educational Technology & Society,
13 (4), 174.
Christie, M., y Jurado, R. G. (2009). Barriers to innovation in online pedagogy. European Journal of Engineering
Education, 34 (3), 273-279.
Clark, R. C., y Mayer, R. E. (2016). E-learning and the science of instruction: proven guidelines for consumers and
designers of multimedia learning. John Wiley & Sons.
Cohen, J. (1960). A coefficient of agreement for nominal scales. Educational and Psychological Measurement, 20
(1), 3746.
Conole, G. (2014). Learning Design: A Practical Approach. Routledge.
Consejo de Educación Superior. (2016). CES Reglamento de Régimen Académico (RRA). (Disponible en:
http://www.ces.gob.ec/gaceta-ocial/reglamentos)
Cordero, T. J., y Caballero, O. A. (2014). The Moodle platform: A useful tool for training in life support. Analysis of
satisfaction questionnaires from students and instructors of the semFYC advanced life support courses. Atención
primaria/Sociedad Española de Medicina de Familia y Comunitaria, 47 (6), 376-384.
Córdova, M. A. (2015). Moodle LTS 2.7 y estándares de accesibilidad web. En 6th Congreso Internacional sobre
Calidad y Accesibilidad de la Formación Virtual (CAFVIR) (pp. 67-74).
Dai, C.-Y., Harn, C.-T., Chen, W.-F., Yuan, Y.-H., y Kao, M.-T. (2011). The study on exploring the user satisfaction
of easy teaching web of Taipei by information seeking and technology acceptance model. En IEEE 13th
International Conference Electrical and Control Engineering (ICECE) (pp. 7007-7011).
da Silva, L. A. E. (2016). A data mining approach for standardization of collectors names in herbarium database.
IEEE Latin America Transactions, 14 (2), 805-810.
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology.
Management Information Systems Quarterly, 13 (3), 319-340.
Davis, F. D., Bagozzi, R. P., y Warshaw, P. R. (1989). User acceptance of computer technology: a comparison of
two theoretical models. Management science, 35 (8), 982-1003
Davis, H. C., Dickens, K., Leon U, M., Sanchéz, M. d. M., y White, S. (2014). MOOCs for universities and learners
an analysis of motivating factors. En 6th International Conference on Computer Supported Education (pp. 1-12).
Davis, W. S. (1998). HIPO hierarchy plus input-process-output. Taylor & Francis.
Del Bosque, L. P., y Garza, S. E. (2016). Prediction of aggressive comments in social media: an exploratory study.
IEEE Latin America Transactions, 14 (7), 3474-3480.
de Mello, F. L., y Xexeo Moreira, J. A. (2016). Cryptographic algorithm identification using machine learning and
massive processing. IEEE Latin America Transactions, 14 (11), 4585-4590.
Dias, S. B., Diniz, J. A., y Hadjileontiadis, L. J. (2013). Towards an intelligent learning management system under
blended: trends, proles and modeling perspectives (Vol. 59). Springer Science Business Media.
Dick, W., Carey, L., y Carey, J. O. (2014). The systematic design of instruction. Pearson Education.
Didier, O. (1998). De lo Tradicional a lo Virtual: las Nuevas Tecnologías de la Información. Debate Temático. En
Conferencia Mundial sobre la Educación Superior UNESCO (pp. 19).
Domínguez, I., y Peñafiel, M. (2016). Integrated services management frameworks for online education based on
information and communications technology. En IEEE 3rd International Conference on eDemocracy and
eGovernment (ICEDEG) (pp. 164-170).
Dym, C. L., Agogino, A. M., Eris, O., Frey, D. D., y Leifer, L. J. (2005). Engineering design thinking, teaching, and
learning. Journal of Engineering Education, 94 (1), 103-120.
Ellis, R. A., Ginns, P., y Piggott, L. (2009). E-learning in higher education: some key aspects and their relationship to
approaches to study. Higher Education Research & Development, 28 (3), 303-318.
Ellis, R. A., y Goodyear, P. (2016). Models of learning space: integrating research on space, place and learning in
higher education. Review of Education, 4 (2), 192-194.
Erl, T., Khattak, W., y Buhler, P. (2016). Big Data Fundamentals: Concepts, Drivers & Techniques (M. Taub, Ed.).
Prentice Hall Press.
Felder, R. M., y Silverman, L. K. (1988). Learning and teaching styles in engineering education. Internatinal Journal
Engineering Education, 78 (7), 674-681.
Felder, R. M., Woods, D. R., Stice, J. E., y Rugarcia, A. (2000). The future of engineering education II. Teaching
methods that work. Chemical Engineering Education, 34 (1), 26-39.
Feldman, R. (2013). Techniques and applications for sentiment analysis. Communications of the ACM, 56 (4), 82-
89.
Frehywot, S., Vovides, Y., Talib, Z., Mikhail, N., Ross, H., Wohltjen, H., Scott, J. (2013). E-elearning in medical
education in resource constrained low-and middle income countries. Human Resources for Health, 11 (1), 4.
Gagné, R. M. (1989). Conditions of learning. Holt, Rinehart and Winston.
Gagné, R. M., y Briggs, L. J. (1974). Principles of instructional design. Holt, Rinehart and Winston.
Gandomi, A., y Haider, M. (2015). Beyond the hype: Big data concepts, methods, and analytics. International
Journal of Information Management, 35 (2), 137-144.
García-Peñalvo, F. J., y Pardo, A. M. S. (2015). Una revisión actualizada del concepto de eLearning. Décimo
Aniversario/An updated review of the concept of eLearning. Tenth anniversary. Education in the Knowledge Society,
16 (1), 1-119.
Gardner, H. J., y Martin, M. A. (2007). Analyzing ordinal scales in studies of virtual environments: Likert or lump it!
Presence: Teleoperators and Virtual Environments, 16 (4), 439-446.
Gedik, N., Kiraz, E., y Ozden, M. Y. (2013). Design of a blended learning environment: Considerations and
implementation issues. Australasian Journal of Educational Technology, 29 (1), 1-19.
Gencoglu, O., Similä, H., Honko, H., y Isomursu, M. (2015). Collecting a citizen's digital footprint for health data
mining. En 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBS)
(pp. 7626-7629).
Goh, W. W., Hong, J. L., y Gunawan, W. (2013). Exploring students' perceptions of learning management system:
An empirical study based on TAM. En IEEE 2nd International Conference on Teaching, Assessment and Learning
for Engineering (TALE) (pp. 367-372).
González, A.-B., Rodríguez, M.-J., Olmos, S., Borham, M., y García, F. (2013). Experimental evaluation of the
impact of b-learning methodologies on engineering students in Spain. Computers in Human Behavior, 29 (2), 370-
377.
Gonzalez, A. G. H., Armenta, R. A. M., Rosales, L. A. M., Barrientos, A. G., Xihuitl, J. L. T., y Algredo, I. (2016).
Comparative study of algorithms to predict the desertion in the students at the ITSM-Mexico. IEEE Latin America
Transactions, 14 (11), 4573-4578.
Gray, C. M., Dagli, C., Demiral-Uzan, M., Ergulec, F., Tan, V., Altuwaijri, A. A (2015). Judgment and instructional
design: How ID practitioners work in practice. Performance Improvement Quarterly, 28 (3), 25-49.
Gros, B., y García-Peñalvo, F. J. (2016). Future trends in the design strategies and technological affordances of elearning.
En M. J. Spector, B. B. Lockee, y M. D. Childress (Eds.), Learning, Design, and Technology: An
International Compendium of Theory, Research, Practice, and Policy (pp. 1-23). Springer.
Guleria, P., y Sood, M. (2014). Data Mining in Education: A review on the knowledge discovery perspective.
International Journal of Data Mining & Knowledge Management Process, 4 (5), 47.
Guri-Rosenblit, S. (2005). ?Distance education? and ?e-learning?: Not the same thing. Higher Education, 49 (4), 467-
493.
Guzmán, D. B. (2003). Diseño, desarrollo y evaluación de un ambiente virtual de aprendizaje. En A. Castro (Ed.),
Innovar para educar: prácticas universitarias exitosas 2002-2003 (pp. 15-29).
Heinich, R., Smaldino, S., Russell, J., y Molenda, M. (2002). Instructional media and Technologies for learning.
Merrill.
Heredia, D., Amaya, Y., y Barrientos, E. (2015). Student dropout predictive model using data mining techniques.
IEEE Latin America Transactions, 13 (9), 3127-3134.
Hermosilla, Z., Peñafiel, M., y Luján-Mora, S. (2014). Design of the Educational Model in National Polytechnic
School . En 7th International Conference of Education, Research and Innovation (ICERI) (pp. 1108-1113).
Hernández S, R., Fernández C, C., y Baptista L, P. (2014). Metodología de la investigación (J. Mares Ch, Ed.).
McGraw-Hill Education.
Hervás, A., Garcia, F. B., y Peñalvo, F. (2014). A method of assessing academic learning experiences in virtual
learning environments. IEEE Latin America Transactions, 12 (2), 219-226.
Hutto, C. J., y Gilbert, E. (2014). Vader: A parsimonious rule-based model for sentiment analysis of social media
text. En 8th International AAAI Conference on Weblogs and Social Media (ICWSM) (pp. 1-10).
Ikpeze, C. H. (2015). Building Relationships in Physical and Virtual Spaces. En Teaching across cultures (pp. 93-
140). Springer.
Iqbal, S., y Thapa, D. (2013). Initial design principles for an educational, on-line information security laboratory. En
12th International Conference on Web-Based Learning (ICWL) (pp. 89-100).
Jereb, E., & ?mitek, B. (2006). Applying multimedia instruction in e-learning. Innovations in Education and Teaching
International, 43 (1), 15-27.
Johnson, L., Adams Becker, S., Estrada, V., y Freeman, A. (2015). The NMC Horizon Report: 2015 Museum
Edition. Education Resources Information Center). (Disponible en: https://www.nmc.org/publication/nmc-horizonreport-
2015-museum-edition/)
Jonassen, D. H., y Rohrer-Murphy, L. (1999). Activity theory as a framework for designing constructivist learning
environments. Educational Technology Research and Development, 47 (1), 61-79.
Joyanes-Aguilar, L., Castaño, N. J., y Osorio, J. H. (2015). Modelo de simulación y minería de datos para identificar
y predecir cambios presupuestales en la atención de pacientes con hipertensión arterial. Revista de Salud Pública,
17 (5), 789-800.
Junior, P. O. L., de Castro Junior, L. G., y Zambalde, A. L. (2016). Applying Textmining to Classify News About
Supply and Demand in the Cofee Market. IEEE Latin America Transactions, 14 (12), 4768-4774.
Kahn, B. (2005). A comprehensive e-learning model. Journal of e-Learning and Knowledge Society, 1 (1), 33-44.
Kavanoz, S., Yüksel, H. G., y Özcan, E. (2015). Pre-service teachers' self-efficacy perceptions on web pedagogical
content knowledge. Computers & Education, 85, 94-101.
Kerr, D. (2015). Using data mining results to improve educational video game design. Journal of Educational Data
Mining (JEDM), 7 (3), 1-17.
Khalil, H., y Ebner, M. (2014). MOOCs completion rates and possible methods to improve retention-A literature
review. En World Conference on Educational Multimedia, Hypermedia and Telecommunications (EdMedia) (Vol. 1,
pp. 1305-1313).
Khan, K., Baharudin, B. B., Khan, A., y e Malik, F. (2009). Mining opinion from text documents: A survey. En 3rd
IEEE International Conference on Digital Ecosystems and Technologies (pp. 217-222).
Kim, H. E., Hong, Y.-J., Kim, M.-K., Jung, Y. H., Kyeong, S., y Kim, J.-J. (2017). Eectiveness of self-training using
the mobile-based virtual reality program in patients with social anxiety disorder. Computers in Human Behavior, 73,
614-619.
Kitchenham, B. A. (2004). Procedures for performing systematic reviews. (Keele University Technical Report)
Kitchenham, B. A., Budgen, D., y Brereton, O. P. (2011). Using mapping studies as the basis for further research a
participant-observer case study. Information and Software Technology, 53 (6), 638-651.
Koohang, A., y Harman, K. (2005). Open source: A metaphor for e-learning. Informing Science: International Journal
of an Emerging Transdiscipline, 8, 75-86.
Krouska, A., Troussas, C., y Virvou, M. (2016). The effect of preprocessing techniques on Twitter sentiment
analysis. En IEEE 7th International Conference Information, Intelligence, Systems & Applications (IISA) (pp. 1-5).
Lantada, A. D., Morgado, P. L., Muñoz-Guijosa, J. M., Sanz, J. L. M., Otero, J. E., García, J. M., teaching-learning
experiences in engineering education. International Journal of Engineering Education, 29 (2), 476-490.
Lavolette, E., Venable, M. A., Gose, E., y Huang, E. (2010). Comparing synchronous virtual classrooms: Student,
instructor and course designer perspectives. Tech Trends, 54 (5), 54-61. Lee, C., Cheng, C.-I., y Zeleke, A. (2014).
Can text mining technique be used as an alternative tool for qualitative research in education? En IEEE/ACIS 15th
International Conference on Software Engineering, Articial Intelligence, Networking and Parallel/Distributed
Computing (SNPD) (pp. 1-6).
Lee, O., y Im, Y. (2014). Innovation of Higher Education in the Globalized Era. En R. Huang, Kinshuk, y J. K. Price
(Eds.), ICT in Education in Global Context: Emerging Trends Report 2013-2014 (pp. 221-247). Springer Berlin
Heidelberg.
Lee, S., Baker, J., Song, J., y Wetherbe, J. C. (2010). An empirical comparison of four text mining methods. En
IEEE 43rd Hawaii International Conference, System Sciences (HICSS) (pp. 1-10).
Lee, T., y Lee, J. (2006). Quality assurance of web based e-learning for statistical education. En Computational
Statistics (COMPSAT) (pp. 429438). Springer.
Li, F. W., Lau, R. W., y Dharmendran, P. (2009). A three-tier profiling framework for adaptive e-learning. En 8th
International Conference on Web-Based Learning (ICWL) (pp. 235-244).
Liao, H.-L., y Lu, H.-P. (2008). Richness versus parsimony antecedents of technology adoption model for E-learning
websites. En 7th International Conference on Web-Based Learning (ICWL) (pp. 8-17).
Liaw, S.-S., y Huang, H.-M. (2013). Perceived satisfaction, perceived usefulness and interactive learning
environments as predictors to self-regulation in e-learning environments. Computers & Education, 60 (1), 14-24.
Lin, W.-S., y Wang, C.-H. (2012). Antecedences to continued intentions of adopting e-learning system in blended
learning instruction: A contingency framework based on models of information system success and task-technology
t. Computers &Education, 58 (1), 88-99.
Liu, B. (2012). Sentiment analysis and opinion mining. Morgan & Claypool Publishers.
Livingstone, S. (2012). Critical reflections on the benefits of ICT in education. Oxford Review of Education, 38 (1), 9-
24.
Lockyer, L., Heathcote, E., y Dawson, S. (2013). Informing pedagogical action: Aligning learning analytics with
learning design. American Behavioral Scientist, 57 (10), 1439-1459.
Lorenzo, G. L., Roig, R. V., y Lledó, A. C. (2010). La utilización del Campus Virtual como herramienta de
aprendizaje en los estudiantes universitarios: aportaciones derivadas de su aplicación práctica. En Congreso Euro-
Iberoamericano de Alfabetización Mediática y Culturas Digitales (pp. 1-15).
Luján-Mora, S. (2013). De la clase magistral tradicional al MOOC: doce años de evolución de una asignatura sobre
programación de aplicaciones web. Revista de Docencia Universitaria (REDU), 11, 279-300.
Luján-Mora, S., Navarrete, R., y Peñafiel, M. (2014). eGovernment and web accessibility in South America. En IEEE
1st International Conference on eDemocracy & eGovernment (ICEDEG) (pp. 77-82).
Luján-Mora, S. (2013). Accesibilidad web. (Disponible en: http://accesibilidadweb.dlsi.ua.es/)
Manford, C., McSporran, M., Mann, S., y Williamson, A. (2003). e-learning quality: becoming a level five learning
organization. En 16th Annual National Advisory Committee on Computing Qualifications Conference (NACCQ) (pp.
343-350).
Mariño, J. C. G. (2006). B-Learning utilizando software libre, una alternativa viable en Educación Superior. Revista
Complutense de Educación, 17 (1), 1-21.
Marshall, S. (2010). A quality framework for continuous improvement of e-learning: the e-learning maturity model.
International Journal of E-Learning & Distance Education, 24 (1), 143-166.
Marshall, S. (2012). Improving the quality of e-learning: lessons from the eMM. Journal of Computer Assisted
Learning, 28 (1), 65-78.
Marshall, S., y Mitchell, G. (2004). Applying SPICE to e-learning: an e-learning maturity model? En 6th Australasian
Conference on Computing Education (Vol. 30, pp. 185-191).
Marshall, S., y Mitchell, G. (2007). Benchmarking international e-learning capability with the e-learning maturity
model. En Advancing Knowledge: Pushing Boundaries: EDUCAUSE Australasia (Vol. 29, pp. 116). CAUDIT.
Martínez-Cámara, E., Martín-Valdivia, M. T., Ureña-López, L. A., y Mitkov, R. (2015). Polarity classification for
Spanish tweets using the COST corpus. Journal of Information Science, 41 (3), 263-272.
Martínez-Muñoz, G., y Pulido, E. (2015). Using a SPOC to ip the classroom. En IEEE 6th Global Engineering
Education Conference (EDUCON) (pp. 431-436).
Martín-Valdivia, M.-T., Martínez-Cámara, E., Perea-Ortega, J.-M., y Ureña-López, L. A. (2013). Sentiment polarity
detection in Spanish reviews combining supervised and unsupervised approaches. Expert Systems with
Applications, 40 (10), 3934-3942.
Maté, A., De Gregorio, E., Cámara, J., Trujillo, J., y Luján-Mora, S. (2016). The improvement of analytics in Massive
Open Online Courses by applying data mining techniques. Expert Systems, 33 (4), 374-382.
Mayes, T., y De Freitas, S. (2004). Review of e-learning theories, frameworks and models. The Joint Information
Systems Committee. (Disponible en: http://curve.coventry.ac.uk/open/items/8033fc-e97d-4cb8-aed3-
29be7915e6b0/1/)
Merceron, A., y Yacef, K. (2005). Educational Data Mining: a Case Study. En C.-K. Looi, G. McCalla, B. Bredeewg,
y J. Breuker (Eds.), Articial Intelligence in Education: Supporting Learning through Intelligent and Socially Informed
Technology (p. 467-474). IOS Press.
Merrill, M. D. (2002). First principles of instruction. Educational Technology Research and Development, 50 (3), 43-
59.
Miller, L. D., Soh, L.-K., Samal, A., Kupzyk, K., y Nugent, G. (2015). A Comparison of educational statistics and data
mining approaches to identify characteristics that impact online learning. Journal of Educational Data Mining
(JEDM), 7 (3), 117-150.
Milosz, M., Luján-Mora, S., Bardou, D., Merceron, A., y Peñafiel, M. (2014). Comparison of existing computing
curricula and the new ACM-IEEE computing curricula 2013. En 6th International Conference on Education and New
Learning Technologies (EDULEARN) (pp. 5808-5818).
Moscinska, K., y Rutkowski, J. (2011). Barriers to introduction of e-learning: A case study. En IEEE 2nd Global
Engineering Education Conference (EDUCON) (pp. 460-465).
Mukherjee, T., y Nath, A. (2016). Trends and challenges in e-learning methodologies. Current Trends in Technology
and Science, 5 (1), 18.
Naciones Unidas. (2006). Convención sobre los Derechos de las Personas con Discapacidad y Protocolo
Facultativo. (Disponible en: http://www.un.org/spanish/disabilities/default.asp?id=497)
Nanli, Z., Ping, Z., Weiguo, L., y Meng, C. (2012). Sentiment analysis: A literature review. En IEEE International
Symposium on Management of Technology (ISMOT) (pp. 572-576).
Navarrete, R., Luján-Mora, S., y Peñafiel, M. (2016a). Enhancing user experience of users with disabilities:
application to open educational resources websites. En 9th International Conference on Advances in Computer-
Human Interactions (ACHI) (pp. 11-16).
Navarrete, R., Luján-Mora, S., y Peñafiel, M. (2016). Use of open educational resources in E-learning for higher
education. En IEEE 3rd International Conference eDemocracy & eGovernment (ICEDEG) (pp. 164-170).
Neuhauser, C. (2004). A maturity model: Does it provide a path for online course design. The Journal of Interactive
Online Learning, 3 (1), 1-17.
Núñez, J. L. M., Caro, E. T., y González, J. R. H. (2017). From higher education to open education: challenges in
the transformation of an online traditional course. IEEE Transactions on Education, 60 (2), 134-142.
Oddone, F. (2016). Cloud computing applications and services fostering teachers' self-efficacy. Journal of e-
Learning and Knowledge Society, 12 (2), 1-15.
Oproiu, G. C. (2015). A Study about using E-learning platform (Moodle) in university teaching process. Procedia-
Social and Behavioral Sciences, 180, 426-432.
Pamplona, S., Medinilla, N., y Flores, P. (2015). Assessment for learning: A case study of an online course in
operating systems. International Journal of Engineering Education, 31 (2), 541-552.
Pang, B., y Lee, L. (2008). Opinion mining and sentiment analysis. Foundations and Trends in information Retrieval,
2 (12), 11-35.
Paulk, M. (2002). Capability maturity model for software. En Encyclopedia of Software Engineering. John Wiley &
Sons, Inc.
Peñafiel, M., Espín, N., y Rosas, N. (2015). Curriculum Design Methodology using learning outcomes. En 9th
International Technology Education and Development Conference (INTED) (pp. 5959-5968).
Peñafiel, M., y Luján-Mora, S. (2014a). Legislación sobre accesibilidad web en Sudamérica: una comparativa de
seis países. Revista Politécnica, 34 (2), 34-45.
Peñafiel, M., y Luján-Mora, S. (2014b). Use of virtual classrooms: perception of students at the Quito National
Polytechnic School. En E. Bernad Monferrer (Ed.), Updating Education Systems, Collection: The Innovation In
Education Series (pp. 1-29). The Journal of Alternative Perspectives in the Social Sciences.
Peñafiel, M., y Luján-Mora, S. (2014c). Uso de aulas virtuais: Perceço dos estudantes na escola Politécnica
Nacional de Quito. En E. Bernad Monferrer (Ed.), Actualização Dos Novos Sistemas Educativos (pp. 285-302).
MediaXXI Formalpress.
Peñafiel, M., y Luján-Mora, S. (2014d). Uso de aulas virtuales: Percepción de los estudiantes en la Escuela
Politécnica Nacional de Quito. En E. Bernad Monferrer (Ed.), Actualización de los nuevos sistemas educativos (pp.
397-419). ACCI.
Peñafiel, M., y Luján-Mora, S. (2015). Análisis del uso de las aulas virtuales en la Escuela Politécnica Nacional de
Ecuador. En M. C. Mata Montes (Ed.), Innovación educativa en las enseñanzas técnicas (pp. 1323-1336).
Ediciones de la Universidad de Castilla-La Mancha.
Peñafiel, M., y Luján-Mora, S. (2017). Cuestionarios para el análisis del uso de las tecnologías de la información y
la comunicación en la Escuela Politécnica Nacional. (Disponible en: http://hdl.handle.net/10045/71490)
Peñafiel, M., Luján-Mora, S., Zaldumbide, J., Cevallos, A., y Vásquez, D. (2017). Application of e-Learning Maturity
Model in Higher Education. En 9th annual International Conference on Education and New Learning Technologies
(EDULEARN) (pp. 4396-4404).
Peñafiel, M., Navarrete, R., Vásquez, S., y Luján-Mora, S. (2016). Moodle as a Support Tool in Higher Education.
En 9th International Conference on Advances in Computer-Human Interactions (ACHI) (pp. 98-104).
Peñafiel, M., Ruilova, C., y Acosta, P. (2017). Guía metodológica para aulas virtuales bajo Moodle. (Disponible en:
http://rua.ua.es/dspace/handle/10045/61367)
Peñafiel, M., Vásquez, S., y Luján-Mora, S. (2016). Use of Virtual Classroom: Summarized Opinion of the
Stakeholders in the Learning-Teaching. En 8th International Conference on Computer Supported Education
(CSEDU) (pp. 314-320).
Peñafiel, M., Vintimilla, L.-M., Luján-Mora, S., y Montesdeoca, P. P. (2015). Analysis of the usage of virtual
classrooms in the National Polytechnic School of Ecuador: Teachers' perception. En IEEE 14th International
Conference on Information Technology Based Higher Education and Training, (ITHET) (pp. 1-6).
Peñafiel, M., Vintimilla, M., Hermosilla, Z., y Luján-Mora, S. (2015). The use of virtual classrooms as teacher's and
student's portfolios: a case study. En 9th International Technology Education and Development Conference,
(INTED) (pp. 5949-5958).
Peñafiel, M., Zaldumbide, J., y Luján-Mora, S. (2018). Computing Applications for Data of Context Educational using
Methods of Data Mining. Journal of Educational Computing Research, 1-16. ((en proceso de revisión))
Peñafiel, M., Zaldumbide, J., Navarrete, R., y Luján-Mora, S. (2018). Bridging the Gaps between Technology and
Engineering Education. International Journal of Engineering Education, 1-13. ((en prensa))
Pernías Peco, P., y Luján-Mora, S. (2013). Los MOOC: orígenes, historia y tipos. Comunicación y Pedagogía:
Nuevas Tecnologías y Recursos Didácticos (269), 41-48.
Petch, J., Calverley, G., Dexter, H., y Cappelli, T. (2007). Piloting a process maturity model as an e-learning
benchmarking method. En 5th European Conference on elearning (ECEL) (pp. 12-73).
Petersen, K., Vakkalanka, S., y Kuzniarz, L. (2015). Guidelines for conducting systematic mapping studies in
software engineering: An update. Information and Software Technology, 64, 1-18.
Qizhong, O., y Qing, Z. (2012). Study on cultivation of teachers' ICT ability. En IEEE 7th International Conference on
Computer Science & Education (ICCSE) (pp. 1564-1566).
Rabasco, F. P. (2008). Aulas virtuales para la docencia en la Universidad de Cádiz. Revista Latinoamericana de
Tecnología Educativa (RELATEC), 7 (2), 119-134.
Ramos, J. L. C., e Silva, R. E. D., Silva, J. C. S., Rodrigues, R. L., y Gomes, A. S. (2016). A Comparative Study
between Clustering Methods in Educational Data Mining. IEEE Latin America Transactions, 14 (8), 3755-3761.
Rana, M. I., Khalid, S., y Akbar, M. U. (2014). News classication based on their headlines: A review. En IEEE 17th
International, Multi-Topic Conference (INMIC) (pp. 211-216).
Reigeluth, C. M. (2013). Instructional design theories and models: An overview of their current status. Routledge.
Reiser, R. A., y Dempsey, J. V. (2011). Trends and issues in instructional design and technology. Pearson
Education.
Rennie, F., y Morrison, T. (2013). E-learning and social networking handbook: Resources for higher education.
Taylor & Francis.
Reyes, A. J. O., Garcia, A. O., y Lizama, Y. (2014). System for Processing and Analysis of Information Using
Clustering Technique. IEEE Latin America Transactions, 12 (2), 364-371.
Rodrigues, A., Monteiro, A., y Moreira, J. A. (2013). Dimensões pedagógicas da sala de aula virtual: teoria e prática.
Cadernos de Pedagogia no Ensino Superior , 26 ,3-24.
Rodrigues, R. L., Ramos, J. L. C., Silva, J. C. S., y Gomes, A. S. (2016). Discovery engagement patterns MOOCs
through cluster analysis. IEEE Latin America Transactions, 14 (9), 4129-4135.
Romero, C., Espejo, P. G., Zafra, A., Romero, J. R., y Ventura, S. (2013). Web usage mining for predicting final
marks of students that use Moodle courses. Computer Applications in Engineering Education, 21 (1), 135-146.
Romero, C., y Ventura, S. (2010). Educational data mining: a review of the state of the art. IEEE Transactions on
Systems, Man, and Cybernetics, Part C (Applications and Reviews), 40 (6), 601-618.
Rubiano, S. M. M., y Garcia, J. A. D. (2016). Analysis of data mining techniques for constructing a predictive model
for academic performance. IEEE Latin America Transactions, 14 (6), 2783-2788.
Sanchez-Gordon, S., y Luján-Mora, S. (2014). MOOCs gone wild. En 8th International Technology, Education and
Development Conference (INTED) (pp. 1449-1458).
Sanchez-Gordon, S., y Luján-Mora, S. (2015). An ecosystem for corporate training with accessible MOOCs and
OERs. En IEEE 3rd International Conference on MOOCs, Innovation and Technology in Education (MITE) (pp. 123-
128).
Sanchez-Gordon, S., y Luján-Mora, S. (2017). Technological Innovations in Large-Scale Teaching: Five Roots of
Massive Open Online Courses. Journal of Educational Computing Research, 1-16. (Disponible en:
http://dx.doi.org/10.1177/0735633117727597)
Sangrà, A., Vlachopoulos, D., y Cabrera, N. (2012). Building an inclusive definition of e-learning: An approach to the
conceptual framework. The International Review of Research in Open and Distributed Learning, 13 (2), 145-159.
Scherer, R., Siddiq, F., y Teo, T. (2015). Becoming more specific: Measuring and modeling teachers' perceived
usefulness of ICT in the context of teaching and learning. Computers & Education, 88, 202-214.
Shaffiei, Z. A., Mokhsin, M., Hamidi, S. R., y Yusof, N. M. (2011). A study of user's acceptance and perception
towards Campus Management System (CMS) using Technology Acceptance Model (TAM). En IEEE 3rd
International Congress, Engineering Education (ICEED) (pp. 128-131).
Shah, D. (2016). By The Numbers: MOOCS in 2015. (Disponible en: https://www.class-central.com/report/moocs-
2015-stats/)
Sharples, M., de Roock, R., Ferguson, R., Gaved, M., Herodotou, C., Koh, E (2016). Innovating pedagogy 2016:
Open university innovation report 5. The Open University.
Siemens, G. (2005). Connectivism: A learning theory for the digital age. International Journal of Instructional
Technology and Distance Learning (ITDL), 2 (1), 18.
Sife, A., Lwoga, E., y Sanga, C. (2007). New technologies for teaching and learning: Challenges for higher learning
institutions in developing countries. International Journal of Education and Development Using ICT (IJEDICT), 3 (2),
56-67.
Sonnenberg, C., y Bannert, M. (2016). Evaluating the impact of instructional support using data mining and process
mining: a micro-level analysis of the effectiveness of metacognitive prompts. Journal of Educational Data Mining
(JEDM), 8 (2), 51-83.
Sukhija, K., Jindal, M., y Aggarwal, N. (2015). The recent state of educational data mining: a survey and future
visions. En IEEE 3rd International Conference. MOOCs, Innovation and Technology in Education (MITE) (pp. 354-
359).
Tam, B. W. H., Lo, D. R. T., Seah, D. W. H., Lee, J. X., Foo, Z. F. Y., Poh, Z. Y. Y., Chee, C. S. (2017). Developing
and validating a localised, self-training mindfulness programme for older Singaporean adults: effects on cognitive
functioning and implications for healthcare. Singapore Medical Journal, 58 (3), 11-26.
Tawsopar, K., y Mekhabunchakij, K. (2009). Applying eMM in a 3D approach to elearning quality improvement. En
IEEE 1st International Conference Computer Engineering and Technology (ICCET) (Vol. 1, pp. 357-360).
The World Bank. (2015). Millennium Development Goals. (Disponible en:
http://data.worldbank.org/about/millennium-development-goals)
Thompson, E. (2006). Using a subject area model as a learning improvement model. En 8th Australasian
Conference on Computing Education (Vol. 52, pp. 197-203).
Trowler, P., Fanghanel, J., y Wareham, T. (2005). Freeing the chi of change: the Higher Education Academy and
enhancing teaching and learning in higher education. Studies in Higher Education, 30 (4), 427-444.
Tsiotakis, P., y Jimoyiannis, A. (2016). Critical factors towards analysing teachers' presence in on-line learning
communities. The Internet and Higher Education, 28, 45-58.
Tulsi, P., y Poonia, M. (2015). Building excellence in engineering education in India. En IEEE 6th Global
Engineering Education Conference (EDUCON) (pp. 624-629).
UNESCO. (2012). Encuesta regional de Tecnologías de información y comunicación. (Disponible en:
http://www.uis.unesco.org/Communication/Documents/ict-regional-survey-lac-2012-en.pdf)
UNESCO. (2013). Strategic approaches on the use of ICTS in Education in Latin America and the Caribbean.
(Disponible en: http://unesdoc.unesco.org/images/0022/002232/223251e.pdf)
UNESCO. (2015). Education 2030: Towards inclusive and equitable quality education and lifelong learning for all.
En Education 2030 Incheon Declaration (pp. 19-22).
UNESCO. (2016). Institute for Statistics, Post-2015 Education Indicators Consultation. (Disponible en:
http://www.uis.unesco.org/Education/Pages/post-2015-education-indicators.aspx)
Varela Yong, L. A., Rivas Tovar, L. A., y Chaparro, J. (2010). Modelo de aceptación tecnológica (TAM): un estudio
de la influencia de la cultura nacional y del perfil del usuario en el uso de las TIC. Innovar, 20 (36), 187-203.
Vásquez, S., Peñafiel, M., Cevallos, A., Zaldumbide, J., y Vásquez, D. (2017). Impact of Game-Based Learning on
Students in Higher Education. En 9th annual International Conference on Education and New Learning
Technologies (EDULEARN) (pp. 4356-4363).
Vigo, M., Brown, J., y Conway, V. (2013). Benchmarking web accessibility evaluation tools: measuring the harm of
sole reliance on automated tests. En ACM 10th International Cross-Disciplinary Conference on Web Accessibility
(pp. 110). Rio de Janeiro, Brazil.
Wang, L., y Cardie, C. (2012). Focused meeting summarization via unsupervised relation extraction. En 13th Annual
Meeting of the Special Interest Group on Discourse and Dialogue (pp. 304-313).
Wang, Y.-H., Tseng, Y.-H., y Chang, C.-C. (2013). Comparison of students' perception of Moodle in a Taiwan
university against students in a Portuguese university. En 12th International conference on Web-Based Learning
(ICWL) (pp. 71-78).
Watson, W., y Watson, S. L. (2007). An Argument for clarity: What are learning management systems, what are
they not, and what should they become. TechTrends, 51 (2), 28-34.
Werner, L., McDowell, C., y Denner, J. (2013). A first step in learning analytics: pre-processing low-level Alice
logging data of middle school students. Journal of Educational Data Mining (JEDM), 5 (2), 11-37.
Wood, S. L. (2010). Technology for teaching and learning: Moodle as a tool for higher education. International
Journal of Teaching and Learning in Higher Education, 22 (3), 299-307.
World Wide Web Consortium. (1997). World Wide Web Consortium launches international program office for Web
Accessibility Initiative. (Disponible en: https://www.w3.org/Press/IPO-announce)
World Wide Web Consortium. (2008a). A guide to understanding and implementing Web Content Accessibility
Guidelines 2.0. (Disponible en: http://www.w3.org/TR/UNDERSTANDING-WCAG20/)
World Wide Web Consortium. (2008b). Web Accessibility Evaluation Tools List. (Disponible en:
http://www.w3.org/WAI/ER/tools/)
World Wide Web Consortium. (2016). Techniques for WCAG 2.0. (Disponible en: https://www.w3.org/TR/WCAG20-
TECHS/G65.html)
World Wide Web Consortium. (2017). About W3C. (Disponible en: http://www.w3.org/Consortium/)
Young, C., y Perovi?, N. (2016). Rapid and creative course design: as easy as ABC? Procedia-Social and
Behavioral Sciences, 228, 390-395.
Zaldumbide, J., y Sinnott, R. O. (2015). Identification and Validation of Real-Time Health Events through Social
Media. En IEEE 1st International Conference Data Science and Data Intensive Systems (DSDIS) (pp. 9-16).