Optimización de currículos educativos en ingeniería mediante modelos estadísticos multivariados
DOI:
https://doi.org/10.63969/099ybg84Palabras clave:
currículos educativos, educación en ingeniería, modelos estadísticos multivariados, innovación curricular, analítica educativa, educación superiorResumen
La transformación tecnológica y las nuevas demandas del mercado laboral han impulsado la necesidad de modernizar los currículos educativos en programas de ingeniería mediante enfoques sustentados en analítica de datos y evaluación científica. En este contexto, los modelos estadísticos multivariados han emergido como herramientas estratégicas para fortalecer procesos de innovación curricular, optimizar la planificación académica y mejorar la formación profesional dentro de la educación superior. El objetivo de la presente investigación fue analizar críticamente la optimización de currículos educativos en ingeniería mediante modelos estadísticos multivariados a través de una revisión bibliográfica de carácter analítico-documental. La metodología se desarrolló bajo un enfoque cualitativo mediante revisión de literatura científica publicada entre 2019 y 2026 en bases de datos indexadas como Scopus, Web of Science, ERIC y Google Scholar, considerando criterios metodológicos inspirados en el protocolo PRISMA. Los resultados evidenciaron que técnicas como análisis factorial, regresión múltiple, análisis de conglomerados y modelos predictivos permiten identificar relaciones significativas entre desempeño académico, competencias profesionales y necesidades del entorno productivo. Asimismo, los estudios revisados muestran que la incorporación de herramientas analíticas favorece procesos de actualización curricular, evaluación académica y diseño de programas educativos más flexibles e interdisciplinarios. No obstante, también se identificaron limitaciones relacionadas con infraestructura tecnológica, disponibilidad de datos, formación metodológica docente y resistencia institucional frente a procesos de innovación educativa. Se concluye que los modelos estadísticos multivariados poseen elevado potencial para fortalecer la calidad educativa y los procesos de transformación curricular en ingeniería, siempre que su implementación se articule con enfoques pedagógicos integrales y contextualizados.
Descargas
Referencias
Angulo Guerrero, R. (2024). Desarrollo de habilidades de pensamiento crítico mediante problemas de matemáticas aplicadas. Ecouture Research Center. https://ecouture.org/desarrollo-de-habilidades-de-pensamiento-critico-mediante-problemas-de-matematicas-aplicadas/
Angulo Guerrero, R. (2024). Gestión pedagógica basada en evidencia mediante la integración de modelos matemáticos y herramientas digitales para la optimización de procesos educativos en América Latina. ICONS Network. https://iconsnetwork.org/gestion-pedagogica-basada-en-evidencia-mediante-la-integracion-de-modelos-matematicos-y-herramientas-digitales-para-la-optimizacion-de-procesos-educativos-en-america-latina/
Angulo Guerrero, R. (2024). Modelaje matemático a través de la programación y la pedagogía desde un enfoque interdisciplinario. Multidisciplinary Journal of Sciences, Discoveries, and Society. https://revistasapiensec.com/index.php/Sciences_Discoveries_and_Society/article/view/213
Angulo Guerrero, R., & colaboradores. (2024). Matemáticas disruptivas: Transformando el aprendizaje universitario con innovaciones pedagógicas. Revistalexenlace. https://revistalexenlace.com/index.php/ojs/article/view/15
Biggs, J., & Tang, C. (2022). Teaching for quality learning at university (5th ed.). McGraw-Hill Education.
Creswell, J. W., & Creswell, J. D. (2020). Research design: Qualitative, quantitative, and mixed methods approaches (5th ed.). SAGE Publications.
De la Garza, T., & Romero, J. (2023). Curriculum innovation in engineering education through predictive analytics. Journal of Engineering Education Research, 15(2), 45–61. https://doi.org/10.1016/jeer.2023.02.005
Field, A. (2021). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
García-Peñalvo, F. J., & Corell, A. (2021). La transformación digital de las universidades: Innovación educativa y analítica del aprendizaje. Education in the Knowledge Society, 22, 1–15. https://doi.org/10.14201/eks.25468
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2021). Multivariate data analysis (8th ed.). Cengage Learning.
Hernández-Sampieri, R., & Mendoza, C. (2021). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta (2.ª ed.). McGraw-Hill Education.
Johnson, R. A., & Wichern, D. W. (2021). Applied multivariate statistical analysis (7th ed.). Pearson Education.
Montgomery, D. C., & Runger, G. C. (2020). Applied statistics and probability for engineers (7th ed.). Wiley.
OECD. (2021). The future of education and skills: Education 2030. OECD Publishing. https://www.oecd.org/education/2030-project/
Salinas, J., & Lugo, M. T. (2022). Innovación curricular y competencias digitales en educación superior. Revista Iberoamericana de Educación Superior, 13(37), 85–102. https://doi.org/10.22201/iisue.20072872e.2022.37.1450
Siemens, G., & Baker, R. (2020). Learning analytics and educational data mining. En C. Lang, G. Siemens, A. Wise, & D. Gašević (Eds.), Handbook of Learning Analytics (pp. 65–74). Society for Learning Analytics Research.
Tabachnick, B. G., & Fidell, L. S. (2020). Using multivariate statistics (7th ed.). Pearson.
UNESCO. (2022). Engineering for sustainable development: Delivering on the Sustainable Development Goals. UNESCO Publishing. https://unesdoc.unesco.org/
Zawacki-Richter, O., Bond, M., & Marin, V. (2022). Artificial intelligence in higher education: A systematic review of research. International Journal of Educational Technology in Higher Education, 19(1), 1–27. https://doi.org/10.1186/s41239-022-00324-8
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Blanca Romina Barcia Rivera , José Aníbal Angulo De León , Erick Daniel Rivera Quiñonez , Erika Gissella Vera Benitez (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los artículos publicados en la revista se distribuyen bajo la licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0). Esta licencia permite a terceros descargar, copiar, distribuir, adaptar y reutilizar una obra, incluso con fines comerciales, siempre que se otorgue el crédito adecuado al autor original.
