Introducción
¿Qué pasaría si, en lugar de diseñar clases y actividades “para el alumno promedio”, pudiéramos adaptar la enseñanza a lo que necesita cada estudiante en cada momento? Esta es la idea que exploran Ángel Hernández-García y Miguel Ángel Conde en su nuevo artículo publicado en Learning and Individual Differences: “Beyond the average: Person-specific analytics for precision education”. Este trabajo forma parte de una colección especial de estudios que proponen una nueva forma de entender el aprendizaje, centrándose no en lo que funciona “en general”, sino en lo que funciona para cada persona.
¿De qué trata el artículo?
La mayoría de las investigaciones educativas se basan en promedios: qué le pasa “en general” a un grupo grande de estudiantes. Esto ayuda a ver tendencias, pero muchas veces deja fuera las diferencias importantes entre personas.
Este artículo plantea una alternativa: usar herramientas como la inteligencia artificial, modelos personalizados y seguimiento diario para entender mejor cómo aprende cada estudiante. En lugar de tratar a todos por igual, se busca captar los cambios que ocurren dentro de cada persona a lo largo del tiempo —por ejemplo, cómo varía su motivación, su esfuerzo o su forma de colaborar.
¿Qué se ha descubierto?
Entre los estudios que acompañan este artículo, se encuentran hallazgos muy interesantes:
- No hay un estudiante “promedio”: cada uno muestra patrones únicos en su forma de aprender.
- Las emociones y la motivación cambian a diario, y eso influye directamente en el rendimiento.
- En el trabajo en grupo, surgen roles distintos (líderes, mediadores, participantes pasivos) según el contexto y el tipo de apoyo del profesorado.
- Incluso los estudiantes con altas capacidades pueden perder la motivación si no encuentran desafíos suficientes.
- Y, muy importante: usar datos tan detallados implica hablar en serio sobre privacidad, seguridad y uso ético de la información.
¿Por qué importa?
Este enfoque, llamado educación de precisión, permite ofrecer apoyo más adaptado y oportuno a cada estudiante. Imagina detectar a tiempo cuándo alguien se está desmotivando, y poder actuar antes de que desconecte por completo.
Eso sí, también implica muchos retos: proteger los datos personales, evitar sesgos en los algoritmos y asegurarse de que estas herramientas realmente ayuden, y no solo generen más carga para docentes y estudiantes.
¿Dónde leer más?
El artículo completo está disponible en este enlace: https://doi.org/10.1016/j.lindif.2025.102730
Referencia completa
Hernández-García, Á., & Conde, M. Á. (2025). Beyond the average: Person-specific analytics for precision education. Learning and Individual Differences, 121, 102730. https://doi.org/10.1016/j.lindif.2025.102730