Investigadores de la Universidad de Burgos han publicado un estudio en el que se concluye que el aprendizaje online personalizado a través de herramientas de gestión de aprendizaje, como Moodle, y una retroalimentación en tiempo real al realizar las actividades, pueden mejorar los resultados académicos en la enseñanza universitaria, tanto presencial como no presencial, predice las calificaciones y facilitar la detección de estudiantes en riesgo de abandonar los estudios.
Los resultados de esta investigación -llevada a cabo por tres grupos científicos, encabezados por María Consuelo Sáiz-Manzanares (DATAHES), César Ignacio García Osorio (ADMIRABLE) y José Francisco Díez-Pastor (BEST-AI) de la Universidad de Burgos y Luis Jorge Martín Antón de la Universidad de Valladolid (investigador del grupo GIR de Psicología Educativa de la UVA y colaborador en el grupo DATAHES de la UBU), se han publicado en la revista internacional «Information Discovery and Delivery».
La investigación muestra que los estudiantes que usaron la plataforma UBUVirtual, en la que se implementó una metodología de aprendizaje basado en proyectos apoyada en el uso de distintos recursos hipermedia y de retroalimentación automática personalizada, han obtenido mejores resultados académicos. Este sistema incluye procesos de tutorización inteligente, es decir, a través de UBUVirtual se proporciona una retroalimentación personalizada en función de la respuesta del estudiante, ofreciendo información acerca de por qué mejora su respuesta académica. Los estudiantes que trabajaron desde esta sistemática obtuvieron calificaciones más altas y mayores niveles de satisfacción.
Se trabajó con una muestra de 124 estudiantes de tercero de grado en titulaciones de Ciencias de la Salud (Grado en Enfermería y Grado en Terapia Ocupacional) de la Universidad de Burgos, de los cuales 64 estudiantes participaron en el grupo de intervención y 50 en el de control (en el que se aplicó una metodología de aprendizaje basado en proyectos pero no apoyada en el uso de recursos hipermedia ni de retroalimentación automática personalidad en la plataforma UBUVirtual).
En el análisis de los datos, los equipos de investigación utilizaron técnicas de aprendizaje automático de predicción como, por ejemplo, la técnica de 
árboles de decisión, así como análisis estadísticos de diferencia de varianzas.
El 35% de los estudiantes del grupo de intervención obtuvo más de un 2,26, sobre 3, frente al 65% de los estudiantes del grupo de control, que obtuvieron notas inferiores a 2,26.
Como señala Mª Consuelo Saiz, de DATAHES, investigadora principal del proyecto: «Las metodologías educativas y de aprendizaje han cambiado considerablemente a lo largo de este siglo XXI y, por ende, también lo ha hecho el modo de aprender. Por ello, las nuevas metodologías deben orientarse hacia un nuevo enfoque pedagógico basado, en sistemas de gestión del aprendizaje que permitan una retroalimentación orientada a sistemas de aprendizaje electrónico personalizados».
Además, a juicio, de César Ignacio García Osorio de ADMIRABLE y de José Francisco Díez-Pastor de BEST-AI «la utilización de las técnicas de minería de datos como son las técnicas de agrupación o clustering facilitan la detección de grupos de alumnos con semejantes características y, a su vez, permiten el ajuste de la metodología de enseñanza a cada caso lo que potencia en primer lugar la detección del alumno en riesgo de abandono académico y el desarrollo de un aprendizaje personalizado desde el respeto a cada ritmo de aprendizaje».
