Explainable and Age-Aware Learning Analytics for Teacher-Facing Systems
- Año
- 2026
- DOI
- 10.35542/osf.io/bgnkw_v1 (se abre en una pestaña nueva)
- Licencia
- CC BY
Resumen ADIPA
Elaborado con IA a partir del resumen de los autoresRevisión de literatura sobre inteligencia artificial explicable (XAI) e hipótesis de análisis del aprendizaje en educación entre 2021 y 2026. El trabajo sintetiza tres líneas convergentes: XAI en análisis educativo, adopción tecnológica por maestros y su relación con la edad, y personalización consciente de rasgos o estados en análisis del aprendizaje. Los hallazgos muestran que los sistemas de XAI orientados a maestros conforman un subcampo emergente pero estrecho, donde estos típicamente validan explicaciones sobre estudiantes sin ser ellos mismos sujetos de predicción. La edad se mide como covariable en adopción tecnológica pero no se ha operacionalizado como parámetro en modelos predictivos o adaptativos. Se identifica una brecha específica: sistemas explícables y conscientes de la edad donde el maestro es tanto sujeto predicho como receptor de la explicación.
Puntos clave
- Los sistemas de inteligencia artificial explicable orientados a maestros funcionan como campos emergentes donde los docentes validan explicaciones sobre desempeño estudiantil sin ser ellos predichos.
- La edad se utiliza consistentemente como covariable en estudios de adopción tecnológica pero no se ha integrado como parámetro operacional en modelos predictivos o adaptativos de análisis del aprendizaje.
- Existe una brecha de investigación en sistemas que combinen explainabilidad, adaptación a la edad del maestro y que lo posicionen simultáneamente como sujeto predicho y receptor de explicaciones.
- El análisis del aprendizaje y la inteligencia artificial explicable han avanzado principalmente en predicción y explicación de resultados estudiantiles, dejando rezagada la perspectiva centrada en el maestro.
Para quién: Sirve a investigadores en análisis del aprendizaje, educadores que desarrollan sistemas de IA para docentes, y formadores de maestros interesados en cerrar brechas entre tecnología educativa, explicabilidad y características demográficas del profesorado.
Resumen de los autores
Áreas y palabras clave
Cómo citar (APA 7)
Zafar, S. (2026). Explainable and Age-Aware Learning Analytics for Teacher-Facing Systems. https://doi.org/10.35542/osf.io/bgnkw_v1