Pilar: Plataforma Intuitiva, Libre y Analítica para el Registro, Gestión y Análisis de Calificaciones DOI: https://doi.org/10.37843/rted.v19i1.800

Contenido principal del artículo

Méndez-González, J.
MX
https://orcid.org/0000-0002-6971-5018

Resumen

La práctica educativa contemporánea se encuentra atravesada por procesos de transformación digital que ofrecen oportunidades para optimizar la enseñanza, la evaluación y la toma de decisiones pedagógicas. El estudio tuvo como objetivo diseñar, desarrollar e implementar una herramienta digital gratuita, ligera e intuitiva, denominada Pilar, orientada a automatizar la gestión de procesos evaluativos mediante analíticas visuales e inmediatas. La investigación se desarrolló bajo un paradigma tecnológico, con el método de ciencia del diseño, enfoque cuantitativo-descriptivo en la fase de validación, diseño tecnológico, tipo aplicado y corte transversal. La muestra estuvo conformada por 31 docentes universitarios voluntarios de áreas como las ciencias agrarias, la ingeniería y las ciencias sociales, con entre 5 y 25 años de experiencia docente. Se emplearon como técnicas la revisión documental, la ingeniería de software, las pruebas funcionales y la encuesta de validación; como instrumentos, se utilizaron una matriz de requerimientos, pruebas de funcionalidad y un cuestionario de 20 ítems, de los cuales 16 fueron reactivos cerrados con escala Likert. Los resultados evidenciaron que Pilar integró módulos para el registro académico, la configuración de rubros, el cálculo automatizado de promedios, la visualización de datos y la generación de reportes. Las pruebas funcionales mostraron estabilidad operativa en la mayoría de las funciones, mientras que la validación docente reflejó una alta valoración de la utilidad, la facilidad de uso y la eficiencia percibida. Se concluyó que Pilar constituyó una alternativa tecnológica viable para optimizar la gestión evaluativa y apoyar la toma de decisiones pedagógicas basadas en datos.

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Cómo citar
Méndez-González, J. (2026). Pilar: Plataforma Intuitiva, Libre y Analítica para el Registro, Gestión y Análisis de Calificaciones. Revista Docentes 2.0, 19(1), 498–510. https://doi.org/10.37843/rted.v19i1.800
Sección
Artículos

Citaciones del Artículo

CITATIONS
0
VIEWS
ALTMETRIC
DIMENSIONS

Citas

Amarasinghe, I., Michos, K., Crespi, F., & Hernández-Leo, D. (2024). Learning analytics support to teachers' design and orchestrating tasks. Journal of Computer Assisted Learning, 40(6), 2416–2431. https://doi.org/10.1111/jcal.12711

Banihashem, S. K., Noroozi, O., van Ginkel, S., Macfadyen, L. P., & Biemans, H. J. A. (2022). A systematic review of the role of learning analytics in enhancing feedback practices in higher education. Educational Research Review, 37, Artículo 100489. https://doi.org/10.1016/j.edurev.2022.100489

Barradas-Arenas, U. D., Cocón-Juárez, J. F., Pérez-Cruz, D., & Vázquez-Aragón, M. R. (2023). El impacto de los simuladores en el aprendizaje de los sistemas digitales. Revista Tecnológica-Educativa Docentes 2.0, 16(1), 67-76. https://doi.org/10.37843/rted.v16i1.350

Basogain-Urrutia, J. X. (2021). Evaluación en línea: Herramientas, limitaciones y alternativas en un contexto de pandemia. Revista Tecnológica-Educativa Docentes 2.0, 10(2), 30-41. https://doi.org/10.37843/rted.v10i2.243

Cohenour, C., & Hilterbran, A. (2016). Automated grading of Excel® workbooks using Matlab®. En ASEE's 123rd Annual Conference & Exposition. New Orleans, LA.

Dada, I. D., Akinwale, A. T., & Tunde-Adeleke, T.-J. (2025). A Structured Dataset for Automated Grading: From Raw Data to Processed Dataset. Data, 10(6), 87. https://doi.org/10.3390/data10060087

Doak, H. (2023). Front-end for a semi-automated grading tool. Wellington Faculty of Engineering Symposium. https://ojs.victoria.ac.nz/wfes/article/view/8396

Ferguson, R. (2012). Learning analytics: drivers, developments and challenges. International Journal of Technology Enhanced Learning, 4(5/6), 304-317. https://doi.org/10.1504/ijtel.2012.051816

Gomathy, C. K., Neethi, A. T., & Krishna, S. S. (2025). Automating student performance analysis using machine learning. Singaporean Journal of Scientific Research, 17(1), 62-70. https://doi.org/10.54216/JISIoT.170231

Hernández-Sampieri, R., & Mendoza Torres, C. P. (2020). Metodología de la investigación: las rutas cuantitativa, cualitativa y mixta. McGraw-Hill Education.

Hevner, A. R., March, S. T., Park, J., & Ram, S. (2004). Design Science in Information Systems Research. MIS Quarterly, 28, 75-105. https://doi.org/10.2307/25148625

Langove, S. A., & Khan, A. (2024). Automated grading and feedback systems: Reducing teacher workload and improving student performance. Journal of Advanced Data Science, 13(4). https://doi.org/10.62345/jads.2024.13.4.16

Liow, H. J. K., Yau, P. C. Y., Tang, L. M., Seow, C. K., & Cao, Q. (2024). Peer-assessed (evaluated) automated grading system: A comprehensive exploration with emphasis on batch processing data visualization and rigorous peer evaluation. En Proceedings of the 2024 International Conference on Artificial Intelligence and Teacher. Association for Computing Machinery. https://doi.org/10.1145/3702386.3702404

Parojenog, R. C. (2023). Modified automated grading tool for senior high school advisers. International Journal of Scientific Engineering and Science, 7(11), 49-52. https://go.docentes20.com/bezc

Peffers, K., Tuunanen, T., Rothenberger, M. A., & Chatterjee, S. (2007). A design science research methodology for information systems research. Journal of Management Information Systems, 24(3), 45-77. https://doi.org/10.2753/MIS0742-1222240302

Rivas-Huaman, R. G., Zarate-Custodio, D. M., Calderón-Gutiérrez, J. P., & Chávez-Farro, R. R. (2025). Análisis de la docencia universitaria a nivel mundial. Revista Tecnológica-Educativa Docentes 2.0, 18(2), 165-175. https://doi.org/10.37843/rted.v18i2.682

Ruth, B., & Hott, J. R. (2025). Auto-grading in Computing Education: Perceptions and Use. In Proceedings of the 56th ACM Technical Symposium on Computer Science Education V. 1 (SIGCSE TS 2025) (pp. 276–282). Association for Computing Machinery. https://doi.org/10.1145/3641554.3701900

Selwyn, N. (2016). Is technology good for education?. Polity Press.

Suniaga, A. (2019). Metodologías Activas: Herramientas para el empoderamiento docente. Revista Docentes 2.0, 7(1), 65–80. https://doi.org/10.37843/rted.v7i1.27

Tejaswi, D., Sravanthi, B. L., Devi, S. N., Sri, M. N. S., & Jahnavi, M. (2025). AI-based automated grading system and personalized feedback in higher education. International Advanced Research Journal in Science, Engineering and Technology, 12(4). https://doi.org/10.17148/IARJSET.2025.12460

Viberg, O., Hatakka, M., Bälter, O., & Mavroudi, A. (2018). The current landscape of learning analytics in higher education. Computers in Human Behavior, 89, 98–110. https://doi.org/10.1016/j.chb.2018.07.027

Weegar, R., & Idestam-Almquist, P. (2023). Reducing workload in short answer grading using machine learning. International Journal of Artificial Intelligence in Education, 34, 247–273. https://doi.org/10.1007/s40593-022-00322-1

Wieringa, R. J. (2014). Design science methodology for information systems and software engineering. Springer. https://doi.org/10.1007/978-3-662-43839-8

Wong, B. T. M., Li, K. C., & Liu, M. (2025). The role of learning analytics in evaluating course effectiveness. Sustainability, 17(2), 559. https://doi.org/10.3390/su17020559

Únete a nuestra comunidad

Recibe notificaciones de convocatorias, nuevos números y eventos académicos.

Artículos similares

<< < 2 3 4 5 6 7 8 9 10 11 > >> 

También puede {advancedSearchLink} para este artículo.