Métodos de estimación de carga académica en entornos virtuales: Una revisión sistemática comparativa entre modalidades en línea, blended y hyflex
DOI:
https://doi.org/10.24215/18509959.42.e22Palabras clave:
Carga académica, Educación virtual, Aprendizaje mixto, Hyflex, Revisión sistemáticaResumen
Esta revisión sistemática analiza los métodos y criterios utilizados para calcular la carga de trabajo académico estudiantil en diversas modalidades educativas: en línea, blended learning y hyflex. Siguiendo la metodología PRISMA, se evaluaron 2.179 referencias iniciales, de las cuales 28 fueron analizadas en profundidad. Los resultados identifican tres enfoques principales para el cálculo de la carga académica: (1) modelos computacionales y calculadoras estandarizadas como i-SLT, (2) análisis de datos de interacción en plataformas educativas, y (3) encuestas de autoinforme sobre tiempo dedicado. La evidencia demuestra que la elección del método puede explicar hasta un 15% de la varianza en los resultados y que la carga académica estimada en entornos blended resultó ser un 62% inferior a los parámetros basados en ECTS. Los hallazgos revelan que los métodos más efectivos para cuantificar la carga académica dependen específicamente del contexto educativo, siendo necesario un enfoque diferenciado según la modalidad. La revisión también identifica brechas significativas en la investigación, particularmente en modalidades emergentes como hyflex y en la aplicación de tecnologías avanzadas para la personalización de la estimación de carga académica.
Descargas
Referencias
[1] M. Roslan, M. A. Bin Safar y M. Mat Som, “Effectiveness of I-SLT in determining student learning time,” International Journal of Academic Research in Progressive Education and Development, vol. 13, no. 4, 2024, doi: 10.6007/IJARPED/v13-i4/24337.
[2] Comisión Europea, Guía de uso del ECTS 2015. Luxemburgo: Oficina de Publicaciones de la Unión Europea, 2015.
[3] N. Karweit y R. Slavin, “Time-on-task: Issues of timing, sampling, and definition,” Journal of Educational Psychology, vol. 74, no. 6, pp. 844–851, 1982.
[4] V. Kovanović, D. Gašević, S. Dawson, S. Joksimović, R. Baker y H. Marek, “Does time-on-task estimation matter? Implications for the validity of learning analytics findings,” Journal of Learning Analytics, vol. 2, no. 3, pp. 81–110, 2016, doi: 10.18608/jla.2015.23.6.
[5] P. Guo, J. Kim y R. Rubin, “How video production affects student engagement: An empirical study of MOOC videos,” en Proceedings of the First ACM Conference on Learning @ Scale, Atlanta, GA, USA, 2014, doi: 10.1145/2556325.2566239.
[6] N. Beer, “Estimating student workload during the learning design of online courses: Creating a student workload calculator,” en Proceedings of the 18th European Conference on e-Learning, 2019.
[7] L. Han, “Study of online learning time and learning performance model based on learning platform,” Applied Mathematics and Nonlinear Sciences, vol. 9, no. 1, 2024, doi: 10.2478/amns.2023.2.00363.
[8] F. Otero-Saborido, C. Palomino-Devia, A. Bernal-García y J. Gálvez-González, “Flipped learning y evaluación formativa: carga de trabajo del estudiante en la enseñanza universitaria,” Aloma: Revista de Psicologia, Ciències de l’Educació i de l’Esport, vol. 38, no. 2, pp. 33–40, 2021, doi: 10.51698/aloma.2020.38.2.33-40.
[9] M. Andreu Martí et al., “¿Es posible cuantificar la carga de trabajo real de un ‘estudiante medio’ de forma fiable?” en II Congreso Internacional de Innovación Docente, 2014.
[10] J. Byrne, “Estimating learning task duration,” International Journal of Emerging Technologies in Learning (iJET), vol. 18, no. 17, pp. 136–152, 2023, doi: 10.3991/ijet.v18i17.41635.
[11] M. Ceballos Aranda, J. Vílchez López y T. Escobar Benavides, “Carga de trabajo autónomo estimada por el estudiante de Magisterio en asignaturas de ciencias: Exploración de su relación con el rendimiento académico,” Scientific Programming, vol. 18, pp. 55–77, 2015.
[12] A. Chiecher, D. Donolo y M. Rinaudo, “Gestión del tiempo y el ambiente de estudio en cursos online: Estudio comparativo de tres grupos de estudiantes de diferente perfil,” en I Congreso Internacional de Investigación y Práctica Profesional en Psicología, Buenos Aires, Argentina, 2009. [Online]. Disponible: https://www.aacademica.org/000-020/331.
[13] E. Claver Cortés et al., “Estimación del esfuerzo y tiempo para el aprendizaje de dirección estratégica: Un análisis cuantitativo y cualitativo,” en Redes de investigación docente – Espacio Europeo de Educación Superior, vol. I, M. Martínez Ruiz y V. Carrasco Embuena, Eds. Alicante, España: Universidad de Alicante, 2007, pp. 41–70.
[14] N. da Rosa, T. Vaz y A. Lucena, “Carga de trabajo de enfermería: uso de inteligencia artificial para el desarrollo de modelo clasificador,” Revista Latino-Americana de Enfermagem, vol. 32, 2024, doi: 10.1590/1518-8345.7131.4238.
[15] J. He, J. Bailey, B. Rubinstein y R. Zhang, “Identifying at-risk students in massive open online courses,” en Proceedings of the Twenty-Ninth AAAI Conference on Artificial Intelligence, Austin, TX, USA, 2015.
[16] M. Herrera Bautista, “Uso del tiempo en las aulas virtuales universitarias según el Método Stallings,” Revista Docencia Universitaria, vol. 3, no. 1, pp. 99–107, 2022, doi: 10.46954/revistadusac.v3i1.44.
[17] C. Iglesias y J. Pozo-Antonio, “Cómo gestionar el tiempo de los alumnos,” Revista de Formación e Innovación Educativa Universitaria, vol. 6, no. 1, pp. 45–50, 2013.
[18] M. López-Núñez, S. Rubio-Valdehita y E. Díaz-Ramiro, “Cambios producidos por la adaptación al EEES en la carga de trabajo de estudiantes de Psicología,” Revista Española de Pedagogía, vol. 77, no. 272, pp. 163–176, 2019, doi: 10.22550/rep77-1-2019-02.
[19] G. Miranda Díaz y Z. Delgado Celis, “Delimitación exploratoria de indicadores de actividad docente en línea: El tiempo de plataforma como variable formativa,” en Investigación, innovación y tecnologías: la triada para transformar los procesos formativos, J. Silva Quiroz, Ed. Santiago, Chile: Editorial USACH, 2017, pp. 589–595.
[20] A. Ortega-Arranz et al., “Collaborative activities in hybrid learning environments: Exploring teacher orchestration load and students’ perceptions,” Computers & Education, vol. 219, p. 105105, 2024, doi: 10.1016/j.compedu.2024.105105.
[21] F. Otero-Saborido, E. Rodríguez-Bies, J. Gallardo-López y F. López-Noguero, “Percepción del alumnado de Educación Física sobre la carga de trabajo y evaluación formativa en flipped learning,” Retos, vol. 50, pp. 298–305, 2023, doi: 10.47197/retos.v50.97236.
[22] D. Pacheco y J. García, “El registro de tareas y tiempos online en estudiantes universitarios,” Perspectiva Educacional, vol. 51, no. 1, pp. 109–127, 2012, doi: 10.4151/07189729-Vol.51-Iss.1-Art.76.
[23] I. Pascual Nieto, “Una metodología para la gestión de la interacción entre estudiantes, profesores y contenidos en aplicaciones de aprendizaje híbrido,” Ph.D. dissertation, Departamento de Ingeniería Informática, Universidad Autónoma de Madrid, Madrid, España, 2009.
[24] J. Riel, K. Lawless y S. Brown, “Timing matters: Approaches for measuring and visualizing behaviours of timing and spacing of work in self-paced online teacher professional development courses,” Journal of Learning Analytics, vol. 5, no. 1, 2018, doi: 10.18608/jla.2018.51.3.
[25] A. Romero Medina et al., “Estimación del tiempo de aprendizaje y estudio fuera de clase en estudiantes universitarios: Comparación de asignaturas con metodología ABP vs. asignaturas tradicionales,” en I Congreso Internacional de Innovación Docente (CIID), España, 2011. [Online]. Disponible: http://hdl.handle.net/10317/2205.
[26] R. Romero-Martín, A. Fraile-Aranda, V.-M. López-Pastor y F.-J. Castejón-Oliva, “The relationship between formative assessment systems, academic performance and teacher and student workloads in higher education,” Infancia y Aprendizaje, vol. 37, no. 2, pp. 310–341, 2014, doi: 10.1080/02103702.2014.918818.
[27] I. Rushkin, “Time-on-task estimation with log-normal mixture model,” arXiv preprint, arXiv:1805.01819, 2018, doi: 10.48550/arXiv.1805.01819.
[28] A. Sepúlveda Cid y J. Abarca González, “Estimación de carga académica en asignatura online: programa de magíster en docencia UNAB,” REEA, pp. 32–44, 2022, doi: 10.51896/reea/edoq1304.
[29] M. Valls Martínez, P. Martín Cervantes, A. Sánchez Pérez y M. Martínez Victoria, “El uso de video-tutoriales en la docencia de Matemáticas Financieras: Una valoración con PLS-SEM,” Pi-InnovaMath, no. 4, 2022, doi: 10.5944/pim.4.2021.33614.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Francisco Sereño
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Derechos de autor y licencias
Los artículos aceptados para publicación tendrán la licencia de Creative Commons BY-NC. Los autores deben firmar un acuerdo de distribución no exclusiva después de la aceptación del artículo.
