LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, junio, 2025, Volumen VI, Número 3 p 1327.
DOI: https://doi.org/10.56712/latam.v6i3.4040
Innovación Educativa: Un Ecosistema de Evaluación
Adaptativa1
Educational Innovation: An Ecosystem of Adaptive Assessment
Esperanza GuarnerosReyes
esperanzagr@iztacala.unam.mx
https://orcid.org/0000-0002-2955-5814
Facultad de Estudios Superiores Iztacala
Ciudad de México
Arturo Silva Rodríguez
arturomeister@gmail.com
https://orcid.org/0000-0002-6757-2279
Facultad de Estudios Superiores Iztacala
Ciudad de México
Ismael Martínez Bonilla
ismael.m.bonilla@iztacala.unam.mx
https://orcid.org/0000-0002-6553-3348
Facultad de Estudios Superiores Iztacala
Ciudad de México
Artículo recibido: 26 de mayo de 2025. Aceptado para publicación: 18 de junio de 2025.
Conflictos de Interés: Ninguno que declarar.
Resumen
Se aborda la necesidad de modernizar los sistemas de evaluación educativa a los requerimientos del
siglo XXI. Para alcanzar este objetivo, se propone un ecosistema de evaluación con exámenes
adaptativos, los cuales, integran diversos universos de generalización, para una evaluación exhaustiva
y personalizada del aprendizaje estudiantil. El ecosistema incluye objetos de conocimiento: hechos,
conceptos, principios y procedimientos, asegurando cubrir el conocimiento disciplinar. Además,
incorpora el universo actitudinal, evaluando competencias esenciales como ética, responsabilidad y
colaboración, incluyendo competencias genéricas cruciales para el desarrollo integral del estudiante.
Este sistema de evaluación adaptativa ofrece la generación de perfiles de ejecución individuales, para
adaptar las estrategias de enseñanza y aprendizaje a las necesidades de cada estudiante,
promoviendo una educación más personalizada. La incorporación de este ecosistema de evaluación
adaptativa en el proceso educativo, moderniza la evaluación y prepara a los estudiantes con las
habilidades y conocimientos necesarios para enfrentar los desafíos futuros.
Palabras clave: educación personalizada, exámenes adaptativos, competencias genéricas,
objetos de aprendizaje, sistemas de aprendizaje adaptativos
Abstract
This paper addresses the need to modernize educational assessment systems to meet 21st-century
1 Investigación realizada gracias al Programa de Apoyo a Proyectos de Investigación e Innovación Tecnológica
(PAPIIT) de la UNAM IN306024 y Programa de Apoyo a Proyectos para Innovar y Mejorar la Educación
(PAPIME)de la UNAM PE302124
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, junio, 2025, Volumen VI, Número 3 p 1328.
requirements. To achieve this objective, an assessment ecosystem with adaptive tests is proposed,
integrating various universes of generalization for a comprehensive and personalized evaluation of
student learning. The ecosystem includes knowledge objects facts, concepts, principles, and
procedures ensuring coverage of disciplinary knowledge. Additionally, it incorporates the attitudinal
universe, evaluating essential competencies such as ethics, responsibility, and collaboration, including
soft skills crucial for the student's integral development. The adaptive assessment ecosystem offers
the generation of individual performance profiles to adapt teaching and learning strategies to each
student's needs, promoting more personalized education. The incorporation of this adaptive
assessment ecosystem into the educational process modernizes evaluation and prepares students
with the necessary skills and knowledge to face future challenges.
Keywords: personalized education, adaptive tests, generic competencies, learning objects,
adaptive learning systems
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,
publicado en este sitio está disponibles bajo Licencia Creative Commons.
Cómo citar: Guaernos Reyes, E., Silva Rodríguez, A., & artínez Bonilla, I. (2025). Innovación Educativa:
Un Ecosistema de Evaluación Adaptativa. LATAM Revista Latinoamericana de Ciencias Sociales y
Humanidades 6 (3), 1327 – 1346. https://doi.org/10.56712/latam.v6i3.4040
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, junio, 2025, Volumen VI, Número 3 p 1329.
INTRODUCCIÓN
En los últimos años, el campo de la educación ha sido testigo de una transformación paradigmática
impulsada por el avance de las tecnologías digitales y la inteligencia artificial (Allahyarova, 2022). Una
de las manifestaciones más prominentes de esta transformación es la educación adaptativa, un
enfoque pedagógico que utiliza tecnologías avanzadas para personalizar el aprendizaje en función de
las necesidades y capacidades individuales de los estudiantes (Fan & Jiao, 2021; Tapalova et al., 2022).
Esta revolución tecnológica ha desafiado las metodologías tradicionales, creando nuevas
oportunidades y planteando interrogantes fundamentales sobre la enseñanza y el aprendizaje, como
las señaladas por George y Wooden (2023) y Dmitriev (2021).
Además, la inteligencia artificial ha introducido una dimensión completamente nueva en el proceso
educativo. Los sistemas educativos adaptativos, que utilizan algoritmos de inteligencia artificial para
personalizar la experiencia de aprendizaje, han comenzado a reemplazar el enfoque tradicional de talla
única para todos (Akavova et al., 2023; Sajja et al., 2023). Estos sistemas son capaces de analizar
grandes cantidades de datos sobre el rendimiento y el comportamiento del estudiante, ajustando el
contenido y el ritmo del aprendizaje en tiempo real para satisfacer las necesidades individuales
(Ciolacu et al., 2018; Tapalova et al., 2022).
Para responder a los desafíos emergentes en educación y mejorar la calidad de los aprendizajes, es
fundamental construir un ecosistema de evaluación centrado en el diseño de exámenes adaptativos
de conocimientos generales, que permita personalizar el aprendizaje según el nivel, habilidades y estilo
cognitivo de cada estudiante. Este sistema debe integrar competencias actitudinales y
comportamentales, diversidad de objetos de aprendizaje y profundidad temática, con el fin de ofrecer
evaluaciones justas, pertinentes y equitativas, capaces de adaptarse a la diversidad estudiantil y
prepararlos mejor para los retos del futuro.
En segundo lugar, los métodos tradicionales de evaluación, como los exámenes estandarizados,
presentan varias limitaciones, ya que se centran en la memorización y no reflejan completamente las
habilidades y conocimientos de los estudiantes (Howard et al., 2017; Rimfeld et al., 2019; Sireci, 2020).
Además, estos exámenes no consideran las diferencias individuales en el ritmo y estilo de aprendizaje,
lo que puede desmotivar a los estudiantes y no satisfacer sus necesidades educativas específicas
(Ghafournia, 2015; Ilevbare & Idemudia, 2017). Los exámenes adaptativos abordan estas limitaciones
al ajustar las preguntas en tiempo real, proporcionando una evaluación más precisa y relevante.
Otro aspecto crucial es que las habilidades requeridas en el entorno laboral y social están
evolucionando rápidamente, y es vital que los estudiantes desarrollen competencias críticas como el
pensamiento crítico, la resolución de problemas y la adaptabilidad (Akavova et al., 2023; Mujtaba &
Mahapatra, 2020; Wang et al., 2020). Un ecosistema de evaluación que incluya exámenes adaptativos
fomenta estas habilidades al desafiar continuamente a los estudiantes y ajustarse a su nivel de
conocimiento.
Por otro lado, un ecosistema de evaluación adaptativo asegura que el currículo se mantenga
actualizado y relevante. Al evaluar tanto la amplitud como la profundidad del conocimiento, se
proporciona una imagen más completa y precisa del rendimiento del estudiante. Esto permite a los
educadores ajustar el currículo y las estrategias de enseñanza para alinearse mejor con las tendencias
y necesidades actuales del mundo real.
De este modo, el objetivo de este artículo es presentar un ecosistema de evaluación adaptativo
detalladamente elaborado para responder a las crecientes demandas de una educación que se adapte
a un entorno en evolución constante. Introduce un enfoque novedoso de exámenes adaptativos que
enfrenta los desafíos de las evaluaciones tradicionales. El ecosistema propuesto incluye diversos
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, junio, 2025, Volumen VI, Número 3 p 1330.
dominios de generalización para realizar evaluaciones completas y holísticas del aprendizaje de los
estudiantes. Aspectos fundamentales como la evaluación de actitudes cognitivas, afectivas y de
comportamiento, se integran para asegurar una evaluación exhaustiva y adaptada.
DESARROLLO
La necesidad actual de Ajustar la Educación a Sistema Dinámicos
En el contexto educativo contemporáneo, se ha vuelto necesario adaptar la enseñanza a sistemas
dinámicos, siendo una de las estrategias clave la implementación de exámenes adaptativos (Er-Radi
et al., 2023; Liu et al., 2020; Muangprathub et al., 2020; Pominov, 2021; Wang et al., 2020). En respuesta
a esta necesidad, se propone la construcción de un ecosistema de evaluación adaptativo como un
marco de referencia claro, estructurado y flexible que sirva de guía para el diseño de este tipo de
evaluaciones. Su finalidad es asegurar que los exámenes sean justos, coherentes y representativos del
progreso individual de cada estudiante, permitiendo a los educadores ajustar la enseñanza de manera
eficaz a las diversas necesidades de su alumnado.
Este ecosistema, descrito mediante un modelo conceptual con estructura piramidal (Figura 1), se basa
en dos principios fundamentales: los “Universos de Generalización” y los “Niveles de Alcance”, que
estructuran el espacio muestral probabilístico del sistema y definen los límites y posibilidades de cada
examen. Estos principios permiten ajustar la dificultad y el tipo de preguntas en tiempo real, en función
del comportamiento y las respuestas del estudiante, consolidando así una herramienta integral para
enfrentar los retos de un entorno educativo en constante evolución, alineado con los principios de la
pedagogía moderna y las estrategias educativas avanzadas.
Figura 1
Principios básicos en que se sustenta el ecosistema de evaluación adaptativo
Los "Universos de Generalización" se despliegan en la base de la pirámide y encapsulan las categorías
amplias del conocimiento y habilidades que forman parte de los ejes estructurales del ecosistema.
Estos universos incluyen aspectos del conocer, comportamientos actitudinales, disciplinares y el
alcance en unidades de aprendizaje en sus dimensiones profundidad y amplitud.
Por otro lado, los "Niveles de Alcance" se erigen verticalmente y atraviesan los universos de
generalización, proporcionando una medida de cómo los estudiantes entienden, aplican y manejan el
conocimiento en diferentes grados de complejidad. Este principio permite que el examen adapte su
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, junio, 2025, Volumen VI, Número 3 p 1331.
dificultad y enfoque según las respuestas del estudiante, ofreciendo una evaluación que no solo mide
el saber, sino la profundidad con la que el estudiante maneja y comprende ese saber.
La interacción entre estos dos principios configura el espacio muestral probabilístico del ecosistema
de evaluación adaptativo. En este espacio, cada posible pregunta o tarea del examen es una
combinación específica de un nivel y un universo, lo que permite que el examen se ajuste de manera
precisa a las necesidades y al progreso individual de cada estudiante. Este diseño no solo hace que los
exámenes sean más efectivos y justos, sino que también permite una evaluación más rica y matizada
de las habilidades y conocimientos de los estudiantes, proporcionando datos valiosos para guiar el
desarrollo educativo futuro.
Los principios fundacionales del ecosistema de evaluación adaptativo
Los principios fundacionales anteriormente mencionados constituyen el soporte que sustenta la
estructura del ecosistema de evaluación adaptativo innovador que aquí se propone. La figura 2, ilustra
cómo estos componentes pueden organizarse en un entorno tridimensional, proporcionando un
modelo visual del diseño pedagógico de dicho ecosistema.
Figura 2
Diseño pedagógico del ecosistema de evaluación adaptativo
Como puede ver en la figura 2, el diseño pedagógico del ecosistema está representado de manera
tridimensional, incluyendo los cuatro universos de generalización. En el eje vertical del arreglo
tridimensional se encuentran representados dos universos: uno corresponde a la clase de la habilidad
o competencia que se busca desarrollar en el estudiante (el Conocer), mientras que el otro abarca el
universo actitudinal (el Ser). El conocer representa las competencias cognitivas y prácticas que los
estudiantes deben dominar en su disciplina, abarcando habilidades como memorización, comprensión,
aplicación, análisis, síntesis y evaluación. En paralelo, el Ser se refiere a la formación de valores,
actitudes y comportamientos éticos esenciales para el desarrollo personal y profesional, incluyendo la
responsabilidad, la empatía, la ética y la integridad.
En el eje horizontal, se representa el universo disciplinar que comprende el domino de los tipos de
objetos de aprendizaje que se cultivan en la disciplina, circunscritos a los contenidos temáticos que se
abordan en la asignatura o módulo. Este eje incluye objetos de aprendizaje relacionados con los
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, junio, 2025, Volumen VI, Número 3 p 1332.
hechos, conceptos, principios y procedimientos que son propios de la disciplina en la que está inmerso
el estudiante.
Finalmente, el tercer eje, correspondiente al Alcance en donde se incluye la profundidad y Amplitud de
la asignatura, representa el cuarto universo del ecosistema. Este eje abarca las unidades de la
asignatura o módulo que enmarca el episodio formativo y se enfoca en la profundidad del contenido
educativo y a su extensión. Es decir, detalla el nivel de profundidad y complejidad, así como su amplitud
con el que se enseñan los temas incluidos en el programa de la asignatura o módulo, asegurando una
comprensión exhaustiva profunda y amplia de los temas abordados.
Diseño Metodológico del ecosistema de evaluación adaptativo
La estructura del ecosistema de evaluación adaptativo descrita en la Figura 2 revela un enfoque
minuciosamente organizado y metódicamente diseñado. Este enfoque sistémico, que estructura los
universos de generalización, sus dominios subsecuentes y las dimensiones específicas, subraya una
metodología educativa avanzada y dinámica, cuyo objetivo es evaluar de manera precisa y detallada
las competencias alcanzadas por los estudiantes en diversas áreas del conocimiento. Este detallado
esquema, que culmina en el ecosistema presentado en la Figura 3, ofrece un panorama integral y
coherente de cómo se conceptualiza y opera dentro de un entorno educativo estructurado.
Figura 3
Ecosistema de evaluación adaptativo
En el primer nivel de esta estructura, los universos de generalización agrupan categorías amplias de
conocimiento y habilidades fundamentales para cada disciplina, actuando como marcos organizativos
del currículo. Dentro de estos universos se ubican dominios específicos que segmentan aún más el
contenido en áreas temáticas más delimitadas, facilitando una cobertura detallada del saber
disciplinar. A su vez, cada dominio se divide en dimensiones, que abordan componentes particulares
de habilidades o conocimientos, y permiten definir con claridad qué se evaluará. Finalmente, de estas
dimensiones se derivan los indicadores de resultados de aprendizaje, que constituyen las variables
concretas a ser medidas mediante ítems o reactivos. Estos indicadores son esenciales para evaluar
objetivamente las competencias estudiantiles y verificar el cumplimiento de los objetivos de
aprendizaje.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, junio, 2025, Volumen VI, Número 3 p 1333.
La estructuración cuidadosa e interrelación de los componentes del ecosistema de evaluación
adaptativo, representado en la Figura 3, permite una evaluación educativa que combina profundidad,
amplitud y personalización. Este enfoque refleja un compromiso pedagógico con la diversidad de
habilidades y necesidades de los estudiantes, ya que facilita la aplicación de exámenes adaptativos
ajustados al perfil y progreso individual. La organización en universos, dominios, dimensiones e
indicadores no solo responde a una pedagogía avanzada, sino que crea un entorno que favorece el
aprendizaje individualizado y significativo. En conjunto, este ecosistema no solo mejora la efectividad
de la evaluación, sino que también potencia la calidad de la experiencia educativa.
Niveles de análisis en el que opera el ecosistema de evaluación adaptativo
La estructura detallada presentada en la Figura 3 encapsula un modelo pedagógico multifacético que
opera en un ecosistema de evaluación adaptativo diseñado para abordar con precisión la evaluación
del aprendizaje en múltiples niveles de análisis. Este ecosistema se despliega en cuatro niveles
claramente diferenciados: macro, meso, micro y nano, cada uno representando un grado de
especificidad creciente, como se muestra en la figura 4. Esta secuencia de niveles asegura que cada
aspecto del aprendizaje sea examinado y evaluado con un grado de detalle y una precisión sin
precedentes, facilitando así intervenciones educativas altamente adaptadas y efectivas.
Figura 4
Niveles de análisis en el que opera el ecosistema de evaluación adaptativo
El ecosistema de evaluación adaptativo se estructura en distintos niveles jerárquicos que permiten
organizar el conocimiento y guiar el diseño de evaluaciones eficaces. En el nivel macro, se encuentran
los universos de generalización, que agrupan grandes bloques temáticos y establecen el marco
conceptual general del sistema educativo, definiendo las áreas clave de conocimiento y habilidades a
desarrollar. En el nivel meso, estos universos se subdividen en dominios, los cuales detallan áreas más
específicas de estudio, actuando como intermediarios entre los objetivos generales y los
conocimientos concretos que deben adquirirse.
En el nivel micro, las dimensiones profundizan cada dominio, identificando habilidades particulares,
procesos cognitivos o conjuntos de conocimientos que deben ser evaluados. Finalmente, el nivel nano
está representado por los indicadores de resultados de aprendizaje, que son las unidades más
específicas del sistema y se traducen en ítems de evaluación. Estos indicadores están alineados
directamente con las dimensiones y permiten medir de forma precisa y objetiva el grado de logro de
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, junio, 2025, Volumen VI, Número 3 p 1334.
los objetivos educativos, proporcionando evidencia concreta que guía la mejora continua del proceso
de enseñanza-aprendizaje.
La disposición jerárquica de los cuatro niveles del ecosistema de evaluación adaptativo, representado
en la Figura 3, permite a los educadores y diseñadores curriculares transitar desde una visión global
del currículo hasta los aspectos más específicos de la evaluación del aprendizaje. Esta estructura
estratificada garantiza una enseñanza y evaluación coherentes y completas, facilitando un análisis
profundo y multifacético del desempeño estudiantil. Al operar en múltiples niveles, el ecosistema
permite generar perfiles individuales de ejecución, diseñar estrategias de enseñanza personalizadas y
detectar con precisión las áreas que requieren fortalecimiento, tanto en conocimientos como en
habilidades blandas. Asimismo, proporciona retroalimentación detallada y promueve la autorreflexión
del estudiante, fortaleciendo su autonomía y compromiso con el aprendizaje.
Universo del conocer
El universo relacionado con el Conocer en el ecosistema de evaluación adaptativo se enfoca en valorar
las habilidades y competencias cognitivas esenciales en los estudiantes mediante reactivos
cuidadosamente diseñados. Este eje asegura que los alumnos no solo adquieran información, sino que
también desarrollen destrezas prácticas y capacidades cognitivas necesarias para dominar su
disciplina. Abarca una jerarquía de competencias, representada en el eje vertical de la figura 3, que va
desde el recordar y la comprensión hasta la aplicación, el análisis, la evaluación y la creación, siguiendo
la reconocida taxonomía de Bloom desde su origen (Bloom, 1956). Estas etapas permiten evaluar el
conocimiento en diferentes niveles de complejidad y contextualización, promoviendo un aprendizaje
más profundo y aplicado.
Las competencias cognitivas inician con el recordar, que implica recuperar información específica
(Munzenmaier, 2013; Murphy & Castel, 2021), seguido por la comprensión, que permite explicar e
interpretar información. La aplicación se refleja al usar lo aprendido en nuevas situaciones, mientras
que el análisis descompone conceptos para comprender sus componentes (Dmitriy, 2020; Tan & Liu,
2021). La evaluación se refiere a emitir juicios críticos (Malygin, 2023; Tackett et al., 2018; Verhavert et
al., 2022), y la creación, el nivel más complejo, implica generar nuevas ideas o soluciones (Fernandes
& González, 2019; Vardakosta et al., 2023). Este desarrollo es progresivo y acumulativo: los estudiantes
deben dominar los niveles básicos antes de avanzar, asegurando así no solo la acumulación de
información, sino también el fortalecimiento del pensamiento crítico y creativo (Husain, 2024; Prasad,
2021; Rahman & Manaf, 2017).
Los dominios del universo del conocer
El ecosistema de evaluación mediante exámenes adaptativos busca transformar el enfoque tradicional
de la evaluación educativa al integrar una metodología más precisa, personalizada y representativa del
aprendizaje estudiantil. A diferencia de los modelos convencionales, este sistema no solo se centra en
los contenidos o dominios del conocimiento, sino que incorpora una dimensión clave: la evaluación de
resultados de aprendizaje a través de indicadores observables durante la ejecución del examen (véase
Figura 3). Este enfoque no solo permite captar el nivel de logro del estudiante de manera más completa,
sino que redefine la forma en que se diseñan las evaluaciones y se mide el aprendizaje.
Los resultados de aprendizaje aportan claridad y especificidad, superando las limitaciones de los
objetivos de aprendizaje tradicionales al establecer expectativas concretas y medibles (Abuaiadah et
al., 2019; Kumpas-Lenk et al., 2018; Rao et al., 2020; Yan & Wen, 2023). Esta precisión mejora la
comprensión por parte del estudiante sobre lo que se espera lograr, y refuerza su motivación (Rao et
al., 2020). Además, este enfoque está alineado con el desarrollo de competencias prácticas clave para
el desempeño profesional, como el pensamiento crítico, la resolución de problemas y la colaboración
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, junio, 2025, Volumen VI, Número 3 p 1335.
(Morozov et al., 2021; Stainbank, 2022), al tiempo que permite a las instituciones demostrar con mayor
transparencia su efectividad educativa. El uso de resultados observables facilita la comparación entre
programas y garantiza estándares consistentes (Graf, 2023; Petersen & Gundersen, 2019).
Para lograr esto, es fundamental que la construcción de los reactivos esté alineada con el universo del
Conocer y los dominios definidos a partir de la Taxonomía de Bloom, utilizando verbos de acción
específicos para cada nivel cognitivo. Esta estrategia garantiza que las evaluaciones no se limiten a
medir conocimientos memorizados, sino que también abarquen habilidades cognitivas superiores,
como el análisis, la evaluación y la creación. Así, los reactivos no solo se convierten en herramientas
de medición, sino en elementos pedagógicos que reflejan con fidelidad el logro de los resultados de
aprendizaje y fortalecen la base del ecosistema de evaluación adaptativo propuesto.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, junio, 2025, Volumen VI, Número 3 p 1336.
Tabla 1
Ejemplos de los resultados de aprendizaje para Nivel de habilidad cognitiva
Nivel Verbos Importancia Resultado de aprendizaje
Recordar "identificar", "nombrar", y "enumerar" se
utilizan para diseñar reactivos que evalúan
la capacidad del estudiante para recuperar
información básica.
Estos reactivos son fundamentales para
asegurar que los estudiantes poseen una base
sólida de conocimientos esenciales, lo cual es
crucial antes de avanzar hacia tareas más
complejas.
"Liste los principales eventos que
llevaron al inicio de la Revolución
Industrial."
Comprender "explicar", "resumir", y "describir" facilitan la
creación de preguntas que evalúan la
comprensión del estudiante sobre el
material.
Verificar la comprensión es crucial, ya que es la
base para aplicar, analizar y evaluar información
en contextos nuevos.
"Explique cómo la fotosíntesis contribuye
al ciclo del carbono y compare su
importancia con la de la respiración
celular."
Aplicar "utilizar", "implementar", y "ejecutar"
permiten evaluar si el estudiante puede
aplicar el conocimiento en situaciones
prácticas.
Estos reactivos comprueban la habilidad del
estudiante para transferir conocimientos
teóricos a prácticos,
"Utilice el teorema de Pitágoras para
determinar la longitud de la hipotenusa
en un triángulo rectángulo dado."
Analizar "diferenciar", "organizar", y "analizar" se
utilizan para crear preguntas que desafíen a
los estudiantes a descomponer información
en partes y explorar relaciones y patrones.
Fomenta habilidades de pensamiento crítico,
permitiendo a los estudiantes abordar
problemas complejos y tomar decisiones
informadas.
"Analice el gráfico que muestra los datos
de ventas anuales y determine los
factores que podrían haber influenciado
las fluctuaciones observadas."
Evaluar "evaluar", "criticar", y "justificar" son cruciales
para preguntas que requieren que los
estudiantes realicen juicios basados en
criterios.
Promueve la habilidad de hacer evaluaciones
críticas y defender decisiones o posiciones,
habilidades clave en el mundo académico y
profesional.
"Evalúe la efectividad de las diferentes
estrategias de marketing utilizadas por la
empresa en el último año y justifique
cuál considera que fue la más exitosa."
Crear "diseñar", "construir", y "crear" guían la
elaboración de reactivos que evalúan la
capacidad del estudiante para sintetizar
información y producir algo nuevo.
Estimula la creatividad y la innovación,
habilidades cada vez más demandadas en
todas las disciplinas y profesiones.
"Diseñe un experimento para probar la
eficacia de un nuevo fertilizante en el
crecimiento de plantas de tomate."
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, junio, 2025, Volumen VI, Número 3 p 1337.
Como puede verse en la Tabla 1, esta metodología no solo mejora la precisión de la evaluación, sino
que también prepara a los estudiantes para enfrentar desafíos académicos y profesionales complejos,
asegurando que la educación que reciben es relevante y aplicable en el mundo real.
De este modo, diseñar un ecosistema educativo basado en los resultados de aprendizaje en lugar de
los aprendizajes esperados proporciona numerosas ventajas que mejoran la claridad, la evaluación, la
responsabilidad y la personalización del proceso educativo. Este enfoque no solo asegura que los
estudiantes adquieran conocimientos y habilidades de manera efectiva, sino que también proporciona
a los educadores y las instituciones herramientas valiosas para la mejora continua y la rendición de
cuentas (Alyasin et al., 2023; Sweet, 2019; Yan & Wen, 2023).
Universo Disciplinar
El universo disciplinar dentro del ecosistema de evaluación adaptativo se refiere al campo específico
del conocimiento académico que constituye la base del proceso formativo. Representado en la figura
3, este universo se articula con el dominio de los objetos de aprendizaje, los cuales se descomponen
en dimensiones que permiten una evaluación detallada del conocimiento y las habilidades del
estudiante. En este enfoque, los objetos de aprendizaje no son solo recursos educativos, sino
catalizadores activos del aprendizaje significativo, capaces de transformar información en
conocimiento aplicable, como señalan Komleva and Vilyavin (2020). Esta visión promueve una
enseñanza personalizada y contextualizada, adaptada a las realidades y necesidades de cada
estudiante (Tetzlaff et al., 2020).
El enfoque del ecosistema reconoce a los objetos de aprendizaje como elementos fundamentales del
universo disciplinar, pues facilitan el aprendizaje activo y la conexión entre conceptos teóricos y su
aplicación práctica (Apoki et al., 2019; Jian, 2023). Esta perspectiva transforma el rol tradicional de los
recursos didácticos y los ubica como elementos estratégicos que vinculan lo abstracto con la realidad
concreta. Para sistematizar esta visión, el ecosistema incorpora una taxonomía basada en la propuesta
de Cisco Systems desarrollada por Barrit et al. (1999), conocida como Reusable Information Objects
(RIOs). Esta estructura incluye cinco tipos de contenido formativo: conceptos, datos, procedimientos,
procesos y principios, los cuales permiten abarcar de forma integral las distintas formas en que se
manifiesta el conocimiento en las disciplinas académicas.
En el diseño del ecosistema, los componentes de procesos y procedimientos se han unificado en una
sola categoría denominada “procedimientos”, con el fin de simplificar y optimizar la evaluación y la
enseñanza. Esta decisión responde a la necesidad de centrarse en cómo los estudiantes aplican
secuencias de acciones o decisiones para alcanzar un objetivo, más allá de clasificaciones rígidas.
Aunque tradicionalmente los procesos se consideran más flexibles y dinámicos, y los procedimientos
más estructurados y prescriptivos, el ecosistema matiza estas diferencias para priorizar el
razonamiento práctico y la aplicación contextualizada dentro de las evaluaciones.
La implementación de esta taxonomía de objetos de aprendizaje es esencial para el diseño de
exámenes adaptativos, ya que permite crear reactivos alineados con distintos tipos de contenido
disciplinar y con los niveles cognitivos que se desea evaluar. Como se ilustra en el eje horizontal de la
figura 3, esta diversidad de objetos forma una base sólida para diseñar instrumentos que midan una
amplia gama de competencias. A través de esta estructura, se garantiza que la evaluación sea
verdaderamente personalizada y relevante, al adaptarse a las características individuales de cada
estudiante y asegurar una medición integral y contextualizada del aprendizaje.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, junio, 2025, Volumen VI, Número 3 p 1338.
Dimensiones del Dominio del Universo Disciplinar
El ecosistema de evaluación adaptativo se caracteriza por su enfoque dinámico y personalizado,
ofreciendo una alternativa innovadora y exhaustiva para valorar el aprendizaje estudiantil. A diferencia
de los modelos tradicionales centrados en la simple retención de información, este ecosistema
contempla una evaluación holística que incluye hechos, conceptos, principios y procedimientos, con el
objetivo de garantizar una comprensión profunda, transferible y aplicable de los contenidos abordados.
Esta estructura promueve una experiencia formativa más integral, centrada en medir no solo lo que el
estudiante sabe, sino cómo lo comprende y lo aplica.
En primer lugar, los hechos proporcionan la base informativa esencial para cualquier disciplina,
actuando como cimientos del aprendizaje estructurado (Szabo & Sheard, 2022; Wong et al., 2019). Los
conceptos, al representar categorías generales de fenómenos, permiten a los estudiantes organizar,
generalizar y transferir el conocimiento a contextos variados (Ogundeji et al., 2019; Zhu et al., 2023).
Por su parte, los principios explican relaciones causales o lógicas entre conceptos, facilitando la
comprensión de leyes y patrones que rigen los sistemas (Ogundeji et al., 2019; Vastaranta et al., 2020).
Finalmente, los procedimientos evalúan la capacidad del estudiante para ejecutar secuencias de
acciones orientadas a objetivos específicos, desarrollando competencias útiles en múltiples campos
prácticos (Onorato et al., 2019; Vosniadou, 2019).
Este enfoque integral permite que los exámenes adaptativos brindan una imagen más completa de la
competencia del estudiante, evaluando no solo su capacidad memorística, sino también su
comprensión conceptual, su habilidad para aplicar principios y su destreza en la ejecución de
procedimientos (Malygin, 2023; Wang et al., 2020; Zhuang et al., 2022). Así, se promueve un aprendizaje
más profundo y duradero, donde el estudiante aprende a establecer conexiones entre distintos niveles
del conocimiento, a razonar críticamente y a enfrentar problemas reales con mayor eficacia.
Además, gracias al ajuste dinámico del nivel de dificultad de los ítems en tiempo real, los exámenes
adaptativos personalizan la evaluación en función del desempeño del estudiante. Esto asegura que
cada persona sea desafiada de forma adecuada según su nivel de dominio, favoreciendo una
experiencia formativa más motivadora y significativa. En conjunto, la integración de diversos objetos
de aprendizaje dentro de esta lógica adaptativa no sólo mejora la calidad de la evaluación, sino que
potencia un aprendizaje más aplicado, reflexivo y útil para los desafíos académicos y profesionales del
siglo XXI.
El universo Actitudinal
El ecosistema de evaluación adaptativo incorpora de forma integral cuatro pilares de la educación
propuestos por la UNESCO en el informe La educación encierra un tesoro (Delors, 1996), promoviendo
así una educación verdaderamente comprensiva. Este modelo no se limita a medir conocimientos
técnicos, sino que también prioriza el desarrollo personal, social y ético de los estudiantes, lo cual
resulta fundamental en un mundo cada vez más complejo e interconectado. Al considerar estos pilares,
el ecosistema contribuye a una formación equilibrada que prepara a los estudiantes para aprender a
conocer, a hacer, a vivir juntos y a ser.
Los pilares uno y dos, aprender a conocer y aprender a hacer, están integrados en los universos del
conocer y los objetos de aprendizaje, asegurando que el estudiante pueda adquirir y aplicar
conocimientos de manera efectiva y contextualizada mediante instrumentos personalizados y
adecuados a su nivel de competencia. El universo actitudinal del ecosistema cumple un rol clave al
abordar los pilares tres y cuatro: aprender a vivir juntos y aprender a ser. A través de evaluaciones
adaptativas que miden actitudes como la empatía, el respeto, la cooperación y la resolución pacífica
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, junio, 2025, Volumen VI, Número 3 p 1339.
de conflictos, el sistema busca no solo diagnosticar las disposiciones actuales de los estudiantes, sino
también influir positivamente en su crecimiento humano.
La integración de estos cuatro pilares permite que el ecosistema de evaluación adaptativo ofrezca una
experiencia formativa holística y transformadora, que va más allá del rendimiento académico. Evalúa
también la capacidad del estudiante para interactuar con otros, gestionar emociones, tomar decisiones
éticas y reflexionar críticamente sobre su propio aprendizaje. De esta manera, el ecosistema no solo
mide el progreso educativo, sino que enriquece activamente la formación integral, preparando a los
estudiantes para ser profesionales competentes y ciudadanos responsables en sus comunidades y en
el mundo.
Los Dominios del Universo Actitudinal
El ecosistema de evaluación adaptativo ha sido cuidadosamente diseñado para evaluar de forma
integral los tres dominios de la taxonomía de las actitudes: el cognitivo, el afectivo y el conductual,
ampliamente reconocidos en la literatura académica (Breckler & Wiggins, 1989; Conner & Norman,
2020; Wolf et al., 2020). Esta estructura permite una comprensión completa del desarrollo actitudinal
de los estudiantes y cómo se manifiestan sus creencias, emociones y comportamientos en diversos
contextos educativos. El dominio cognitivo se enfoca en las creencias y percepciones de los
estudiantes, evaluando cuánto conocen sobre ciertos temas y cómo procesan esa información para
emitir juicios o tomar decisiones (Conner & Norman, 2020; Hedlund, 2021; Zmigrod et al., 2021). A
través de preguntas específicas, se valora la capacidad del estudiante para analizar situaciones
complejas, especialmente aquellas relacionadas con dimensiones éticas o sociales.
El dominio afectivo, por su parte, aborda las emociones y sentimientos que los estudiantes
experimentan hacia objetos, personas o situaciones, y cómo estas emociones influyen en su actitud
hacia el aprendizaje y la colaboración (Conner & Norman, 2020; Wolf et al., 2020). En el ecosistema
adaptativo, se incluyen escenarios que evalúan reacciones emocionales frente a dilemas o situaciones
sensibles, permitiendo observar la empatía y el compromiso emocional de los estudiantes. Finalmente,
el dominio conductual mide cómo las actitudes se traducen en acciones concretas (Hedlund, 2021;
Wolf et al., 2020). A través de tareas prácticas o simulaciones, se evalúan habilidades como el trabajo
en equipo, la resolución de conflictos o el liderazgo, proporcionando evidencia directa de cómo los
valores y principios del estudiante se reflejan en su comportamiento.
La integración de estos tres dominios dentro del ecosistema de evaluación adaptativo permite una
evaluación holística, dinámica y personalizada del estudiante, proporcionando una visión más rica y
completa de su aprendizaje. Esta estructura no solo mide lo que el estudiante sabe, sino también cómo
se siente respecto a lo que aprende y cómo actúa en función de ello, lo que permite desarrollar
intervenciones educativas más efectivas y personalizadas. Además, fortalece los procesos de
enseñanza y fomenta un aprendizaje profundo y contextualizado, preparando a los estudiantes para
aplicar sus conocimientos y actitudes de manera eficaz en entornos reales (Hwang et al., 2020).
El Universo de Alcance
El universo de alcance de una asignatura es esencial en el contexto educativo, ya que determina la
profundidad y amplitud de los contenidos que deben ser cubiertos en un curso específico
(Alshumaimeri, 2023; McTighe, 2020). Esta delimitación no solo establece expectativas claras para
docentes y estudiantes, sino que también garantiza que el proceso de enseñanza-aprendizaje sea
coherente, estructurado y alineado con los objetivos del curso (Krstikj et al., 2022). En el ecosistema
de evaluación adaptativo, el universo de alcance se convierte en un componente clave que permite que
los exámenes reflejen fielmente los contenidos previstos, respetando la secuencia lógica y pedagógica
del currículo.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, junio, 2025, Volumen VI, Número 3 p 1340.
Este ecosistema ajusta en tiempo real las preguntas del examen adaptativo según el nivel de avance
del estudiante, asegurando que las evaluaciones estén completamente alineadas con los temas y
objetivos establecidos. Así, se logra una medición precisa y personalizada del conocimiento,
considerando tanto los aspectos generales como los detalles específicos de cada tema. Además, esta
alineación con los estándares educativos no solo mejora la relevancia de la evaluación, sino que
también permite una mejor gestión del tiempo y los recursos educativos, contribuyendo a una
experiencia de aprendizaje más eficaz y duradera.
De este modo, el ecosistema de evaluación adaptativo incorpora sistemáticamente todos los
elementos del universo de alcance, no solo como estructura de contenido, sino como una guía activa
para el diseño y la ejecución de los exámenes. Este enfoque permite generar retroalimentación
detallada y valiosa, que facilita ajustes pedagógicos oportunos y promueve el desarrollo académico
continuo del estudiante. En conjunto, esta estrategia no solo mejora la calidad de la evaluación, sino
que fortalece la preparación del estudiante para aplicar sus conocimientos de manera práctica y
significativa en contextos académicos y profesionales.
Dominios del Universo de Alcance
En el ecosistema de evaluación adaptativo propuesto, la adaptabilidad y personalización del
aprendizaje son elementos clave. Este sistema considera la estructura y el contenido de las unidades
que conforman el programa de una asignatura, adaptando el alcance de la enseñanza y evaluación a
la amplitud y profundidad de cada unidad temática. En este contexto, las unidades de aprendizaje se
interpretan como dominios del universo de alcance, lo que permite una integración coherente entre el
currículo y los objetivos educativos, asegurando que el contenido impartido sea pertinente al nivel de
competencia de los estudiantes.
Cada unidad del programa, tratada como un dominio específico, permite ajustar dinámicamente la
dificultad y profundidad de los temas evaluados en función de los objetivos particulares de esa unidad.
Esto no solo favorece una cobertura más rica de los contenidos, sino que garantiza un aprendizaje
significativo y contextualizado, al permitir que los estudiantes avancen en la comprensión de
conceptos complejos con mayor solidez. La capacidad del ecosistema para profundizar más en ciertas
temáticas, cuando la estructura curricular lo permite, mejora el desarrollo del pensamiento crítico, la
resolución de problemas y la aplicación del conocimiento en escenarios reales.
Para lograr una implementación efectiva, se requiere el uso de tecnologías educativas como los
exámenes adaptativos, que permiten evaluar el progreso del estudiante en tiempo real y ajustar los
contenidos según sus respuestas. Este enfoque personalizado maximiza el potencial de aprendizaje al
adaptar el ritmo y nivel de exigencia a las características individuales de cada alumno. En conjunto, el
ecosistema de evaluación adaptativo fomenta una educación inclusiva, flexible y moderna, que
responde a la diversidad de necesidades y fortalece la adquisición de competencias académicas y
profesionales en un entorno de enseñanza en constante evolución.
CONCLUSIONES
El ecosistema de evaluación adaptativo descrito en este artículo representa un enfoque transformador
que impacta la educación en múltiples niveles, al integrar dimensiones como el conocimiento
disciplinar, el ser, el saber y la profundidad y amplitud temática de las asignaturas. Su principal ventaja
es ofrecer una visión integral del aprendizaje, permitiendo evaluar tanto competencias cognitivas como
actitudinales, lo que facilita a los educadores personalizar la enseñanza según las fortalezas y
necesidades individuales de cada estudiante. Esta personalización mejora la calidad del aprendizaje y
favorece una comprensión más profunda y aplicable del conocimiento.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, junio, 2025, Volumen VI, Número 3 p 1341.
El sistema integra múltiples dimensiones de generalización, como las competencias deseadas en los
estudiantes, el conocimiento disciplinar (hechos, conceptos, procesos y procedimientos), las actitudes
cognitivas, afectivas y comportamentales, y el alcance temático de la asignatura. Esta integración
permite evaluar no solo la retención de información, sino también la comprensión profunda, la
aplicación del conocimiento y la disposición del estudiante para actuar en contextos académicos y
sociales complejos.
Este enfoque adaptativo promueve una educación más personalizada y efectiva, preparando a los
estudiantes en competencias clave para enfrentar los desafíos del futuro. Al ajustarse a las
necesidades individuales, el ecosistema fomenta un aprendizaje más significativo, alineando los
objetivos educativos con las trayectorias personales y profesionales. En consecuencia, este sistema
no solo supera las limitaciones de la evaluación tradicional mediante herramientas avanzadas, sino
que también establece un nuevo referente en la medición del aprendizaje, adaptando las prácticas
educativas a las demandas del siglo XXI.
Además, este ecosistema promueve la equidad y la inclusión al incorporar diversas formas de evaluar
y expresar el aprendizaje, beneficiando especialmente a estudiantes con estilos cognitivos diversos o
necesidades educativas especiales. Al centrarse en la aplicación práctica del conocimiento, prepara a
los estudiantes para enfrentar problemas reales en entornos cambiantes. También optimiza el uso de
recursos educativos, al permitir una intervención focalizada y eficiente. Desde una perspectiva
institucional, este modelo favorece el cumplimiento de estándares académicos, mejora la reputación y
la acreditación, y proporciona datos valiosos para la mejora continua de las prácticas pedagógicas,
asegurando una evaluación más justa, representativa y alineada con las demandas educativas
contemporáneas.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, junio, 2025, Volumen VI, Número 3 p 1342.
REFERENCIAS
Abuaiadah, D., Burrell, C., Bosu, M. F., Joyce, S., & Hajmoosaei, A. (2019). Assessing Learning Outcomes
of Course Descriptors Containing Object Oriented Programming Concepts. New Zealand Journal of
Educational Studies, 54(1), 345 - 356. https://doi.org/10.1007/s40841-019-00139-y
Akavova, A., Temirkhanova, Z., & Lorsanova, Z. (2023). Adaptive learning and artificial intelligence in the
educational space. E3S Web of Conferences. https://doi.org/10.1051/e3sconf/202345106011
Alshumaimeri, Y. (2023). Understanding context: An essential factor for educational change success.
Contemporary Educational Researches Journal. https://doi.org/10.18844/cerj.v13i1.8457
Alyasin, A., Nasser, R. N., El Hajj, M., & Harb, H. (2023). Assessing Learning Outcomes in Higher
Education: From Practice to Systematization. TEM Journal. https://doi.org/10.18421/tem123-41
Apoki, U. C., Al-Chalabi, H. K. M., & Crişan, G. C. (2019). From Digital Learning Resources to Adaptive
Learning Objects: An Overview.
Barrit, C., Lewis, D., & Wiesler, W. (1999). Reusable Learning object strategy: Definition creation process
and guidellines for building, version 3.1 Cisco Systems.
https://www.mindmeister.com/generic_files/get_file/519411?filetype=attachment_file
Bloom, B. S. (1956). Taxonomy of Educational Objectives: The Classification of Educational Goals:
Handbook I, Cognitive Domain. Longmans.
Breckler, S. J., & Wiggins, E. C. (1989). Affect versus evaluation in the structure of attitudes. Journal of
Experimental Social Psychology, 25, 253-271. https://doi.org/10.1016/0022-1031(89)90022-X
Ciolacu, M. I., Tehrani, A. F., Binder, L., & Svasta, P. (2018). Education 4.0 - Artificial Intelligence Assisted
Higher Education: Early recognition System with Machine Learning to support Students' Success. 2018
IEEE 24th International Symposium for Design and Technology in Electronic Packaging (SIITME), 23-
30. https://doi.org/10.1109/SIITME.2018.8599203
Conner, M. T., & Norman, P. (2020). Predicting long-term healthy eating behaviour: understanding the
role of cognitive and affective attitudes. Psychology & Health, 36, 1165 - 1181.
https://doi.org/10.1080/08870446.2020.1832675
Delors, J. (1996). La Educación encierra un tesoro, informe a la UNESCO de la Comisión Internacional
sobre la Educación para el Siglo XXI (compendio).
Dmitriy, K. (2020). Use of dikw methodology for educational proposals in the framework of innovative
learning implementation. Science Education, 2020, 48-53. https://doi.org/10.24195/2414-4665-2020-
4-6
Er-Radi, H., Aammou, S., & Jdidou, A. (2023). Personalized learning through adaptive content
modification. Conhecimento & Diversidade. https://doi.org/10.18316/rcd.v15i39.11153
Fernandes, M. S. G., & González, M. O. A. (2019). CREATION: creativity techniques to generate ideas of
new products. Product Management & Development. https://doi.org/10.4322/pmd.2019.012
Ghafournia, N. (2015). Standard Assessments: Merits and Demerits and the Alternative Assessments.
Asian Social Science, 11, 166. https://doi.org/10.5539/ASS.V11N13P166
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, junio, 2025, Volumen VI, Número 3 p 1343.
Graf, A. (2023). Exploring the Role of Personalization in Adaptive Learning Environments. International
Journal Software Engineering and Computer Science (IJSECS).
https://doi.org/10.35870/ijsecs.v3i2.1200
Hedlund, A. (2021). Beliefs and Attitudes that Influence Learning. GiLE Journal of Skills Development.
https://doi.org/10.52398/gjsd.2021.v1.i2.pp44-57
Howard, S. J., Woodcock, S., Ehrich, J., & Bokosmaty, S. (2017). What are standardized literacy and
numeracy tests testing? Evidence of the domain‐general contributions to students’ standardized
educational test performance. British Journal of Educational Psychology, 87, 108–122.
https://doi.org/10.1111/bjep.12138
Husain, F. N. (2024). Education Technology Professional Development Trainers (EDTPD) for Blooms
Digital Assessment Taxonomy (BDT) Assessment Model. International Journal of Management
Technology, 11(1), 68-90.
Hwang, G.-j., Sung, H.-Y., Chang, S.-C., & Huang, X.-C. (2020). A fuzzy expert system-based adaptive
learning approach to improving students' learning performances by considering affective and cognitive
factors. Comput. Educ. Artif. Intell., 1, 100003. https://doi.org/10.1016/j.caeai.2020.100003
Ilevbare, F. M., & Idemudia, E. S. (2017). Knowledge and Compliance of Lactating Mothers on Exclusive
Breastfeeding in Village of Vhembe District, South Africa. Gender and behaviour, 15, 10502-10510.
https://doi.org/10.4314/GAB.V15I4
Jian, M. J. K. O. (2023). Personalized learning through AI. Advances in Engineering Innovation.
https://doi.org/10.54254/2977-3903/5/2023039
Komleva, N. V., & Vilyavin, D. A. (2020). Digital Platform for Creating Personalized Adaptive Online
Courses. Open Education. https://doi.org/10.21686/1818-4243-2020-2-65-72
Krstikj, A., Sosa Godina, J., García Bañuelos, L., González Peña, O. I., Quintero Milián, H. N., Urbina
Coronado, P. D., & Vanoye García, A. Y. (2022). Analysis of Competency Assessment of Educational
Innovation in Upper Secondary School and Higher Education: A Mapping Review. Sustainability.
https://doi.org/10.3390/su14138089
Kumpas-Lenk, K., Eisenschmidt, E., & Veispak, A. (2018). Does the design of learning outcomes matter
from students’ perspective? Studies in Educational Evaluation.
https://doi.org/10.1016/J.STUEDUC.2018.07.008
Liu, F., Dai, Q., Zhao, L., & Shi, X. (2020). A new Teaching-Objective Achievement based Adaptive
Teaching Continuous Improvement Method. 2020 IEEE International Conference on Teaching,
Assessment, and Learning for Engineering (TALE), 857-862.
https://doi.org/10.1109/TALE48869.2020.9368409
Malygin, A. A. (2023). Adaptive assessment in certification procedures for students and graduates.
Alma mater. Vestnik Vysshey Shkoly. https://doi.org/10.20339/am.08-23.039
McTighe, J. (2020). Standards Are Not Curriculum. Science and Children, 58.
Morozov, A., Ganicheva, I., & Savotina, N. (2021). Development of Professional Competencies of
Students in the Process of Practical Training at the University. Proceedings of the 1st International
Scientific Forum on Sustainable Development of Socio-economic Systems.
https://doi.org/10.5220/0010669600003223
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, junio, 2025, Volumen VI, Número 3 p 1344.
Muangprathub, J., Boonjing, V., & Chamnongthai, K. (2020). Learning recommendation with formal
concept analysis for intelligent tutoring system. Heliyon, 6.
https://doi.org/10.1016/j.heliyon.2020.e05227
Mujtaba, D. F., & Mahapatra, N. R. (2020). Artificial Intelligence in Computerized Adaptive Testing. 2020
International Conference on Computational Science and Computational Intelligence (CSCI), 649-654.
https://doi.org/10.1109/CSCI51800.2020.00116
Munzenmaier, C. (2013). Perspectivas Bloom´s Taxonomy: What’s Old Is New Again. The eLearning
Guild
Murphy, D. H., & Castel, A. D. (2021). Responsible remembering and forgetting as contributors to
memory for important information. Memory & Cognition, 49, 895 - 911.
https://doi.org/10.3758/s13421-021-01139-4
Ogundeji, O. M., Madu, B. C., & Onuya, C. C. (2019). Scientific Explanation of Phenomena and Concept
Formation as Correlates of Students’ Understanding of Physics Concepts. European Journal of Physics
Education, 10, 10-19. https://doi.org/10.20308/EJPE.V10I3.240
Onorato, P., Gratton, L., Oss, S., & Malgieri, M. (2019). From the dicey world to the physical laws: dice
toy models for bridging microscopic and macroscopic understanding of physical phenomena. Journal
of Physics: Conference Series, 1287. https://doi.org/10.1088/1742-6596/1287/1/012026
Petersen, A. K., & Gundersen, P. (2019). Challenges in Designing Personalised Learning Paths in SPOCs.
Designs for Learning. https://doi.org/10.16993/DFL.112
Pominov, D. A. (2021). Adaptive trainer for preparing students for math exams. Neurocomputers.
https://doi.org/10.18127/j19998554-202102-04
Prasad, G. (2021). Evaluating student performance based on bloom’s taxonomy levels. Journal of
Physics: Conference Series, 1797. https://doi.org/10.5539/ELT.V10N9P245
Rahman, S. A., & Manaf, N. F. A. (2017). A critical analysis of Bloom’s taxonomy in teaching creative
and critical thinking skills in Malaysia through English literature. English Language Teaching, 10, 245-
256. https://doi.org/10.5539/ELT.V10N9P245
Rao, N. J., Spady, W. G., & Spady, W. G. (2020). Outcome-based Education: An Outline. Higher Education
for the Future, 7, 21 - 25. https://doi.org/10.1177/2347631119886418
Rimfeld, K., Malanchini, M., Hannigan, L. J., Dale, P. S., Allen, R., Hart, S. A., & Plomin, R. (2019). Teacher
assessments during compulsory education are as reliable, stable and heritable as standardized test
scores. Journal of child psychology and psychiatry, and allied disciplines.
https://doi.org/10.1111/jcpp.13070
Sajja, R., Sermet, Y., Cikmaz, M., Cwiertny, D., & Demir, I. (2023). Artificial Intelligence-Enabled Intelligent
Assistant for Personalized and Adaptive Learning in Higher Education. ArXiv, abs/2309.10892.
https://doi.org/10.48550/arXiv.2309.10892
Sireci, S. G. (2020). Standardization and UNDERSTAND ardization in Educational Assessment.
Educational Measurement: Issues and Practice. https://doi.org/10.1111/emip.12377
Stainbank, L. J. (2022). Addressing the learning outcomes for professional skills using an integrated
teaching strategy. Cogent Education, 9. https://doi.org/10.1080/2331186X.2022.2109798
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, junio, 2025, Volumen VI, Número 3 p 1345.
Sweet, L. (2019). Using a learning and skill acquisition plan to develop a learner's knowledge, skills, and
professional practice attitudes. Ultrasound in Medicine & Biology.
https://doi.org/10.1016/j.ultrasmedbio.2019.07.511
Szabo, C., & Sheard, J. (2022). Learning Theories Use and Relationships in Computing Education
Research. ACM Transactions on Computing Education, 23, 1 - 34. https://doi.org/10.1007/978-3-319-
64792-0_1
Tackett, S. A., Raymond, M. R., Desai, R., Haist, S. A., Morales, A., Gaglani, S. M., & Clyman, S. G. (2018).
Crowdsourcing for assessment items to support adaptive learning. Medical Teacher, 40, 838 - 841.
https://doi.org/10.1080/0142159X.2018.1490704
Tan, G.-X., & Liu, Y. (2021). Application of Data Mining Algorithms in Data Analysis of Information
Education Evaluation. Journal of Physics: Conference Series, 2074. https://doi.org/10.1088/1742-
6596/2074/1/012089
Tapalova, O., Zhiyenbayeva, N., & Gura, D. (2022). Artificial Intelligence in Education: AIEd for
Personalised Learning Pathways. Electronic Journal of e-Learning.
Tetzlaff, L., Schmiedek, F., & Brod, G. (2020). Developing Personalized Education: A Dynamic
Framework. Educational Psychology Review, 33, 863 - 882. https://doi.org/10.1007/s10648-020-
09570-w
Vardakosta, E., Priniotakis, G., Papoutsidakis, M., Sigala, M., Tsikritsis, A., & Nikolopoulos, D. (2023).
Design Thinking as a Co-Creation Methodology in Higher Education. A Perspective on the Development
of Teamwork and Skill Cultivation. European Journal of Educational Research.
https://doi.org/10.12973/eu-jer.12.2.1029
Vastaranta, M., Saarinen, N., Yrttimaa, T., & Tokola, T. (2020). Fundamental laws and principles in
geoinformation science.
Verhavert, S., Furlong, A., & Bouwer, R. (2022). The Accuracy and Efficiency of a Reference-Based
Adaptive Selection Algorithm for Comparative Judgment. Frontiers in Education,
Vosniadou, S. (2019). The Development of Students' Understanding of Science. Frontiers in Education.
Wang, N., Wang, D., & Zhang, Y. (2020). Design of an adaptive examination system based on artificial
intelligence recognition model. Mechanical Systems and Signal Processing, 142, 106656.
https://doi.org/10.1016/j.ymssp.2020.106656
Wolf, L. J., Haddock, G., & Maio, G. R. (2020). Attitudes. Oxford Research Encyclopedia of Psychology.
https://doi.org/10.1093/acrefore/9780190236557.013.247
Wong, J., Baars, M., Koning, B. B. d., Zee, T. V. d., Davis, D., Khalil, M., Houben, G.-J., & Paas, F. (2019).
Educational Theories and Learning Analytics: From Data to Knowledge. Utilizing Learning Analytics to
Support Study Success. https://doi.org/10.1007/978-3-319-64792-0_1
Yan, Y., & Wen, Y.-Y. Y. (2023). An Evaluation Method for Curriculum Learning Outcomes Achievement
Based on Cloud Model under the OBE Concept. Advances in Education, Humanities and Social Science
Research. https://doi.org/10.56028/aehssr.6.1.176.2023
Zhu, X., Shui, H., & Chen, B. (2023). The Synthesis Lab: Empowering Collaborative Learning in Higher
Education through Knowledge Synthesis. Companion Publication of the 2023 Conference on Computer
Supported Cooperative Work and Social Computing. https://doi.org/10.1145/3584931.3606996
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, junio, 2025, Volumen VI, Número 3 p 1346.
Zhuang, Y., Liu, Q., Huang, Z., Li, Z., Jin, B., Bi, H., Chen, E., & Wang, S. (2022). A Robust Computerized
Adaptive Testing Approach in Educational Question Retrieval. Proceedings of the 45th International
ACM SIGIR Conference on Research and Development in Information Retrieval.
https://doi.org/10.1145/3477495.3531928
Zmigrod, L., Eisenberg, I. W., Bissett, P. G., Robbins, T. W., & Poldrack, R. A. (2021). The cognitive and
perceptual correlates of ideological attitudes: a data-driven approach. Philosophical Transactions of
the Royal Society B: Biological Sciences, 376. https://doi.org/10.1098/rstb.2020.0424
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, publicados en
este sitio está disponibles bajo Licencia Creative Commons .