Inicio » Publicaciones
Archivos de la categoría: Publicaciones
A tale of stores and screens: Unveiling consumer behaviour in omnichannel retailing through the lens of behavioural reasoning
Introducción
Una reciente publicación de Emiliano Acquila-Natale y Ángel Hernández-García, miembros del Grupo de Tecnologías de Información para la Gestión Empresarial, junto con Neha Sharma y Nirankush Dutta del Birla Institute of Technology and Science Pilani (BITS Pilani, India), analiza los mecanismos que favorecen o dificultan la adopción de escaparates digitales por parte de los consumidores en mercados emergentes. A través de la Teoría del Razonamiento Conductual, este estudio explora cómo los consumidores de la India adoptan o rechazan las plataformas digitales de minoristas tradicionales de tiendas físicas en un contexto omnicanal. Publicado en el prestigioso Electronic Commerce Research and Applications, el estudio ofrece valiosas perspectivas sobre la evolución del comercio minorista y los desafíos que enfrentan los minoristas tradicionales al integrar canales digitales.
Resumen
El estudio emplea un enfoque de métodos mixtos, combinando entrevistas cualitativas con expertos del sector minorista para identificar razones a favor y en contra de la adopción de escaparates digitales, seguido de un análisis cuantitativo basado en encuestas a 1,392 consumidores indios. Mediante modelos de ecuaciones estructurales por mínimos cuadrados parciales (PLS-SEM), los autores examinan los principales impulsores y barreras para la adopción del comercio digital entre los consumidores omnicanal.
Los hallazgos revelan que la calidad percibida del producto y la flexibilidad en las compras son los principales factores que favorecen la adopción de escaparates digitales, mientras que el atractivo de las alternativas y las preocupaciones sobre la puntualidad en la entrega son las barreras clave. Además, el estudio analiza el papel de la compatibilidad percibida del consumidor con las compras en línea y el efecto moderador del tipo de producto, diferenciando entre bienes de búsqueda (como productos electrónicos) y bienes experienciales (como ropa). Se observa que la compatibilidad percibida tiene un efecto moderado a bajo en la actitud del consumidor, mientras que las barreras tienen un impacto negativo más fuerte en el caso de los bienes experienciales.
Entre los principales aportes del estudio se destaca la necesidad de que los minoristas físicos que buscan expandirse al entorno digital diseñen estrategias efectivas para superar las barreras percibidas y potenciar los factores de atracción. En particular, se recomienda mejorar la calidad percibida de los productos, optimizar la flexibilidad en la compra e integrar estrategias que reduzcan la percepción de competencia con plataformas de comercio electrónico más establecidas.
Este estudio contribuye al campo de la omnicanalidad al aplicar la Teoría del Razonamiento Conductual para comprender los procesos cognitivos que influyen en la adopción del comercio digital. También proporciona información valiosa para minoristas que buscan mejorar sus estrategias digitales y fortalecer su presencia en mercados emergentes como la India.
Más información
El artículo se encuentra publicado en: https://doi.org/10.1016/j.elerap.2025.101480. Se proporciona acceso gratuito al artículo hasta el 19 de marzo de 2025 en https://authors.elsevier.com/a/1kW5z5aO-ovGTt
Referencia completa
Sharma, N., Acquila-Natale, E., Dutta, N., & Hernández-García, Á. (2025). A tale of stores and screens: Unveiling consumer behaviour in omnichannel retailing through the lens of behavioural reasoning. Electronic Commerce Research and Applications, 70(101480), 1-17. https://doi.org/10.1016/j.elerap.2025.101480
Decoding a Decade: Trends and Evolution in Learning Analytics
Introducción
El Grupo de Tecnologías de Información para la Gestión Empresarial (TIGE) de la Universidad Politécnica de Madrid celebra la publicación del artículo “Decoding a Decade: Trends and Evolution in Learning Analytics”, en coautoría con investigadores de universidades internacionales. Este trabajo, liderado por Ionut Dorin Stanciu, Ángel Hernández-García, Miguel Ángel Conde y Nicolae Nistor, aborda una síntesis exhaustiva de la evolución de la analítica de aprendizaje (learning analytics) durante la última década, revelando las tendencias clave que han moldeado este campo emergente y estableciendo una agenda de investigación futura.
Resumen
La analítica de aprendizaje, un campo interdisciplinar que combina tecnología, pedagogía y análisis de datos, ha experimentado un crecimiento exponencial en los últimos diez años. Este artículo realiza un análisis comprensivo de 3897 artículos y ponencias académicas, utilizando el modelo Latent Dirichlet Allocation (LDA) para identificar las principales áreas temáticas y su evolución en el tiempo.
Nueve temas principales emergieron del análisis:
- Evaluación de habilidades y programas.
- Adopción de la analítica de aprendizaje en educación superior.
- Diseño de herramientas educativas y apoyo docente.
- Participación de estudiantes en cursos en línea.
- Modelado predictivo en educación.
- Integración de tecnología en la educación.
- Aprendizaje social y construcción de conocimiento colaborativo.
- Minería de datos en investigación educativa.
- Entornos de aprendizaje en línea y comportamiento estudiantil.
El estudio destaca que las tendencias en la investigación están influidas tanto por los avances tecnológicos como por los cambios en las necesidades educativas. Por ejemplo, el modelado predictivo ha ganado relevancia debido al auge de enfoques impulsados por datos, mientras que la minería de datos educativa ha experimentado fluctuaciones, con un reciente resurgimiento impulsado por conferencias especializadas.
Relevancia para el futuro
Los hallazgos subrayan la importancia de integrar modelos teóricos con enfoques prácticos en la analítica de aprendizaje. Además, destacan el potencial de las tecnologías emergentes, como la inteligencia artificial generativa, para transformar los modelos educativos y mejorar la personalización del aprendizaje. Sin embargo, también se identificaron desafíos, como la necesidad de garantizar la privacidad y la interpretabilidad de los modelos.
El artículo concluye abogando por una mayor interdisciplinariedad en la investigación, posicionando la analítica de aprendizaje como un campo que puede integrarse de manera más amplia en las ciencias del aprendizaje y en el desarrollo de políticas educativas.
Más información
El artículo completo está disponible en acceso abierto bajo licencia CC BY 4.0 en el siguiente enlace: https://doi.org/10.1016/j.chb.2024.108526.
Referencia completa
Stanciu, I. D., Hernández-García, Á., Conde, M. Á., & Nistor, N. (2025). Decoding a decade. Trends and evolution in learning analytics: A comprehensive synthesis. Computers in Human Behavior, 165, 108526. https://doi.org/10.1016/j.chb.2024.108526
Exploring the relationship between LMS interactions and academic performance: A Learning Cycle approach
Introducción
Un estudio reciente elaborado por cuatro miembros del Grupo de Tecnologías de Información para la Gestión Empresarial (Ángel Hernández-García, Carlos Cuenca-Enrique, Laura Del-Río-Carazo y Santiago Iglesias-Pradas) profundiza en la relación entre las interacciones digitales de los estudiantes en los Sistemas de Gestión del Aprendizaje (Learning Management Systems, o LMS, por sus siglas en inglés) y su rendimiento académico. El estudio destaca la importancia de comprender cómo las acciones en línea influyen en el éxito estudiantil. Utilizando una perspectiva de aprendizaje analítico, se investigaron datos de interacciones de estudiantes en Moodle de tres cursos diversos para explorar cómo estas interacciones se relacionan con el rendimiento académico, medido como calificación final. Los resultados sugieren que una nueva categorización de interacciones, basada en el concepto de ciclo de aprendizaje y denominada CILC, mejora la capacidad predictiva en comparación con clasificaciones previas. Además, el estudio observa que el modo de entrega del curso puede influir en la capacidad predictiva de los modelos, destacando la importancia de considerar el contexto educativo. La investigación también resalta la necesidad de integrar variables informativas para desarrollar modelos más comprensibles y precisos. Aunque persisten desafíos en la interpretación de los datos de clickstream, este estudio subraya el valor de combinar enfoques teóricos y empíricos en la investigación de aprendizaje analítico.
Resumen
En el paisaje educativo moderno, la analítica de aprendizaje ha surgido como un campo crucial para comprender y optimizar los entornos de enseñanza y aprendizaje. Una parte fundamental de este campo es la exploración de la relación entre las interacciones de los estudiantes en los LMS y su rendimiento académico. Esta investigación se sumerge en esta interacción, utilizando un enfoque innovador centrado en el Ciclo de Aprendizaje para desentrañar los secretos que residen en los datos digitales de los estudiantes.
La premisa básica es simple pero poderosa: al analizar los patrones de interacción de los estudiantes en las plataformas digitales de aprendizaje, podemos obtener una visión más clara de sus comportamientos que podemos utilizar para intentar predecir su rendimiento académico. Esta investigación se sumerge en este vasto océano de datos, utilizando datos de interacciones de alumnos en Moodle de tres cursos diversos para explorar cómo estas interacciones se relacionan con el rendimiento académico, medido como calificación final.
Lo que encontramos es fascinante. En primer lugar, al revisar la investigación pasada y considerar las limitaciones de las clasificaciones existentes de interacciones, identificamos la necesidad de una nueva categorización que mejore nuestra capacidad para entender los comportamientos de los estudiantes y proporcionar información sobre cómo estas interacciones pueden explicar o predecir su rendimiento académico. Esta nueva clasificación, denominada CILC (Clasificación de Interacciones basada en el Ciclo de Aprendizaje), surge como una respuesta a esta necesidad, ofreciendo una mayor claridad y utilidad en comparación con las clasificaciones anteriores.
Los resultados de nuestro estudio respaldan la utilidad de esta nueva clasificación, especialmente en entornos de aprendizaje en línea. Observamos que la CILC tiene una mayor capacidad predictiva en cursos completamente en línea, donde las interacciones digitales son la principal ventana a la actividad de los estudiantes. Estos hallazgos sugieren que el contexto educativo y el modo de entrega del curso desempeñan un papel crucial en la eficacia de las clasificaciones de interacciones para predecir el rendimiento académico.
Además, nuestra investigación destaca la importancia de considerar el diseño instruccional al analizar las interacciones de los estudiantes. En cursos donde el aprendizaje se espera que ocurra principalmente fuera del entorno digital, como en cursos presenciales con soporte de LMS, las interacciones digitales pueden no ser buenas predictoras del rendimiento académico. Sin embargo, en cursos donde el aprendizaje está completamente mediado por tecnologías de la información, como los MOOC, las interacciones digitales pueden ser indicadores clave del éxito estudiantil.
Este estudio no solo ofrece una nueva perspectiva sobre la relación entre las interacciones en LMS y el rendimiento académico, sino que también arroja luz sobre la complejidad de este tema. Mientras que las interacciones más activas suelen estar asociadas con un mejor rendimiento académico, también encontramos que el tipo de interacciones puede variar según el contexto y el diseño del curso. Por ejemplo, en cursos donde se enfatiza el trabajo en equipo y la colaboración, las interacciones de diálogo y compartición pueden ser predictivas del rendimiento académico, mientras que en otros cursos, como aquellos con un enfoque más centrado en el contenido, las interacciones de acceso al material pueden ser más relevantes.
En última instancia, esta investigación subraya la importancia de adoptar un enfoque equilibrado hacia la analítica de aprendizaje, combinando tanto modelos tradicionales o de ‘caja blanca’ como basados de aprendizaje automático o de ‘caja negra’ para obtener una comprensión completa de los procesos educativos. Mientras que los modelos de aprendizaje automático pueden ofrecer una precisión y capacidad predictiva sin precedentes, los modelos de caja blanca, basados en teorías educativas y enfoques de aprendizaje, siguen siendo fundamentales para proporcionar una comprensión más profunda y significativa del rendimiento estudiantil.
En resumen, este estudio aporta valiosas ideas sobre la interacción entre las interacciones en LMS, el diseño instruccional y el rendimiento académico, destacando la importancia de considerar el contexto educativo al desarrollar modelos predictivos. A medida que avanzamos en el campo de la analítica de aprendizaje, es fundamental seguir explorando estas relaciones y desarrollar enfoques más sofisticados y contextuales para comprender y mejorar el proceso de enseñanza y aprendizaje.
Más información
El artículo, publicado en acceso abierto con licencia CC BY-NC-4.0, se encuentra disponible en https://doi.org/10.1016/j.chb.2024.108183.
Referencia completa
Hernández-García, Á., Cuenca-Enrique, C., Del-Río-Carazo, L., & Iglesias-Pradas, S. (2024). Exploring the relationship between LMS interactions and academic performance: A Learning Cycle approach. Computers in Human Behavior, 155, 108183. https://doi.org/10.1016/j.chb.2024.108183