Dashboard Docente - UMCE Virtual

Alertas del sistema

📚

Selecciona un programa para ver sus cursos

Datos de Moodle + UCampus integrados

Obteniendo datos de cursos y matriculas...

-

Cursos activos

-

Estudiantes

-

Activos últimos 30 días

% de estudiantes que accedieron

-

Nunca accedieron

Sin ningún ingreso al curso

-

Estructura del curso

Diversidad de contenido (0-100)

-

Items calificables

Actividades con calificación

-

Items calificados

Con al menos una nota registrada

-

Sin actividad

Estudiantes sin acceso registrado

Tasa de actividad (30d) 0%

Detalle por curso

Clic en un curso para ver engagement y graficas

Curso	Estado	Est.	Actividad 30d	Estructura	Calificación	Avance	Contenido	Acceso

-

Las métricas de engagement miden el nivel de participación e involucramiento de los estudiantes con las actividades del curso. Según Astin (1984), la cantidad de energía física y psicológica que el estudiante dedica a la experiencia académica es el principal predictor de su aprendizaje y desarrollo. Un engagement bajo sostenido es el principal indicador de riesgo de abandono (Tinto, 1993).

-

Completitud Promedio

% de actividades realizadas

-

Requieren atención

Sin actividad o menos del 30%

-

Actividades

Seleccionadas / total del curso

-

Estudiantes

-

Dedicación Promedio

Tiempo estimado por estudiante

Completitud por Tipo de Actividad

Distribución de Avance

Según % de actividades completadas por cada estudiante

Sin actividad: 0% — no ha ingresado o realizado nada

Rezagado: menos del 30%

En progreso: entre 30% y 70%

Avanzado: más del 70%

Completado: 100% de actividades

Completitud por Actividad

Actividades completadas por semana

Cantidad de actividades que los estudiantes marcaron como completadas en las últimas 8 semanas

Dedicación promedio por nivel de avance

Tiempo estimado que dedicó cada grupo de estudiantes según su avance en el curso

📖 Marco teórico: Engagement y retención estudiantil

Las métricas de engagement se fundamentan en los siguientes marcos teóricos:

Teoría de Implicación Estudiantil (Astin, 1984): El aprendizaje es directamente proporcional a la cantidad y calidad de involucramiento del estudiante. La completitud de actividades es un proxy directo de este involucramiento.
Modelo de Integración Estudiantil (Tinto, 1975, 1993): La persistencia del estudiante depende de su integración académica y social. Los estudiantes «sin actividad» o «rezagados» muestran señales de desintegración que preceden al abandono.
Distancia Transaccional (Moore, 1993): En educación a distancia, mayor autonomía requiere mayor estructura y diálogo. El engagement bajo puede indicar que la distancia transaccional es excesiva.
Community of Inquiry (Garrison, Anderson & Archer, 2000): La presencia cognitiva, social y docente son interdependientes. Las métricas de engagement reflejan primariamente la presencia cognitiva del estudiante.

Umbrales interpretativos:

>50% completado o al día	Participación saludable. El curso mantiene un ritmo adecuado.
20–40% sin actividad + rezagados	Atención moderada. Considerar estrategias de reenganche.
>40% sin actividad + rezagados	Alerta crítica. Riesgo significativo de abandono masivo (Tinto, 1993).
<10% sin actividad	Excelente. Curso con alto nivel de implicación (Astin, 1984).

Referencias:

Astin, A. W. (1984). Student involvement: A developmental theory for higher education. Journal of College Student Personnel, 25(4), 297–308.
Tinto, V. (1993). Leaving College: Rethinking the Causes and Cures of Student Attrition (2nd ed.). University of Chicago Press.
Moore, M. G. (1993). Theory of transactional distance. En D. Keegan (Ed.), Theoretical Principles of Distance Education. Routledge.
Garrison, D. R., Anderson, T. & Archer, W. (2000). Critical inquiry in a text-based environment. The Internet and Higher Education, 2(2–3), 87–105.
Gašević, D., Dawson, S. & Siemens, G. (2015). Let’s not forget: Learning analytics are about learning. TechTrends, 59(1), 64–71.

Estudiantes

Nombre ↕	Completitud ▲	Último Acceso ↕	Días Inact. ↕	Actividades	1a Activ. ↕	Ult. Activ. ↕	Dedicación ↕	Participación ↕

La asistencia a sesiones sincrónicas es uno de los predictores más robustos del rendimiento académico. Según el meta-análisis de Credé et al. (2010), la asistencia a clase tiene una correlación de r = .44 con las calificaciones, siendo mejor predictor que las habilidades de estudio o los hábitos académicos previos.

-

Sesiones Zoom

-

Asistencia Promedio

-

Nunca Asistieron

-

Asistencia Perfecta

Asistencia por Sesi\u00f3n

Distribución de Asistencia por Estudiante

📖 Marco teórico: Asistencia y rendimiento académico

Las métricas de asistencia se fundamentan en los siguientes marcos teóricos:

Meta-análisis de asistencia (Credé, Roch & Kieszczynka, 2010): La asistencia a clase es el predictor más fuerte del rendimiento académico (r = .44), superando a características del estudiante como habilidades de estudio o puntuaciones previas.
Presencia social (Short, Williams & Christie, 1976): La percepción de «estar ahí» con otros en un entorno mediado por tecnología. La asistencia sincrónica facilita la creación de lazos sociales que sostienen la motivación.
Participación online (Hrastinski, 2009): Distingue entre participación de bajo nivel (acceso) y alto nivel (contribución significativa). La asistencia es un requisito necesario pero no suficiente para el aprendizaje profundo.
Community of Inquiry (Garrison & Cleveland-Innes, 2005): La presencia docente en sesiones sincrónicas facilita tanto la presencia social como la cognitiva, creando un ciclo virtuoso de engagement.

Umbrales interpretativos:

≥75% asistencia promedio	Saludable. Presencia social fuerte, correlación positiva con rendimiento.
50–75% asistencia	Moderada. Fortalecer estrategias de retención en sesiones sincrónicas.
<50% asistencia	Alerta. Revisar formato, horarios y pertinencia de las sesiones.
>20% nunca asistió	Intervención directa necesaria. Identificar barreras de acceso.

Referencias:

Credé, M., Roch, S. G. & Kieszczynka, U. M. (2010). Class attendance in college: A meta-analytic review. Review of Educational Research, 80(2), 272–295.
Short, J., Williams, E. & Christie, B. (1976). The Social Psychology of Telecommunications. Wiley.
Hrastinski, S. (2009). A theory of online learning as online participation. Computers & Education, 52(1), 78–82.
Garrison, D. R. & Cleveland-Innes, M. (2005). Facilitating cognitive presence in online learning. American Journal of Distance Education, 19(3), 133–148.
Gašević, D., Dawson, S. & Siemens, G. (2015). Let’s not forget: Learning analytics are about learning. TechTrends, 59(1), 64–71.

Tabla de Asistencia

Sesiones detectadas por fecha de acceso a actividades LTI/Zoom en Moodle

Cargando reacciones de estudiantes...

Percepción de dificultad

Basado en reacciones emoji de estudiantes sobre cada actividad del curso

-

votos totales

Esta distribución refleja cómo los estudiantes perciben la dificultad de las actividades. Según la Teoría del Flujo (Csikszentmihalyi, 1990), el aprendizaje óptimo ocurre cuando el desafío se equilibra con la habilidad del estudiante. Una mayoría en «Avanzando» indica que las actividades están en la Zona de Desarrollo Próximo (Vygotsky, 1978).

😃

-

Fácil

El estudiante dominó la actividad sin mayor esfuerzo

- votos

😐

-

Avanzando

Zona óptima: desafío presente pero abordable

- votos

😣

-

Difícil

Requiere atención: posible sobrecarga cognitiva

- votos

- actividades con reacciones

🔥

Mayor dificultad percibida

Actividades donde >30% de estudiantes reporta dificultad. Valores sobre 50% sugieren necesidad de revisión del diseño instruccional o scaffolding adicional.

📊

Distribución por sección

Permite detectar si la dificultad aumenta progresivamente entre secciones, lo que podría indicar problemas de scaffolding o sobrecarga acumulativa.

📋

Todas las actividades

Fácil Avanzando Difícil

📖 Marco teórico y referencias académicas

Las métricas de percepción de dificultad se fundamentan en los siguientes marcos teóricos del aprendizaje:

Zona de Desarrollo Próximo (ZDP): El aprendizaje óptimo ocurre cuando la actividad se sitúa entre lo que el estudiante puede hacer solo y lo que necesita ayuda para lograr (Vygotsky, 1978). La categoría «Avanzando» corresponde a esta zona.
Teoría del Flujo: El estado de flujo (flow) se alcanza cuando hay equilibrio entre el desafío y la competencia del estudiante. Demasiada facilidad genera aburrimiento; demasiada dificultad, ansiedad (Csikszentmihalyi, 1990).
Carga cognitiva: Cuando más del 30% de los estudiantes percibe una actividad como difícil, puede existir sobrecarga cognitiva extrínseca que requiere rediseño instruccional (Sweller, 1988).
Autorregulación del aprendizaje: Las reacciones de dificultad son un indicador metacognitivo que revela cómo el estudiante monitorea su propio proceso de aprendizaje (Zimmerman, 2002; Winne & Hadwin, 1998).

Umbrales interpretativos:

Hasta 20% difícil	Rango normal. Cierta dificultad es esperable y saludable.
25–35% difícil	Requiere atención. Revisar si el scaffolding es suficiente.
>35% difícil	Señal de alerta. Posible problema estructural en diseño instruccional.
>70% fácil	Contenido bajo la ZDP. Riesgo de aburrimiento y desvinculación.
50–70% avanzando	Zona óptima de flujo. Patrón saludable (Csikszentmihalyi, 1990).

Referencias:

Csikszentmihalyi, M. (1990). Flow: The Psychology of Optimal Experience. Harper & Row.
Vygotsky, L. S. (1978). Mind in Society: Development of Higher Psychological Processes. Harvard University Press.
Sweller, J. (1988). Cognitive load during problem solving. Cognitive Science, 12(2), 257–285.
Zimmerman, B. J. (2002). Becoming a self-regulated learner: An overview. Theory Into Practice, 41(2), 64–70.
Winne, P. H. & Hadwin, A. F. (1998). Studying as self-regulated learning. En D. J. Hacker et al. (Eds.), Metacognition in Educational Theory and Practice. Erlbaum.
Pardos, Z. A., Baker, R. S. J. d. et al. (2014). Affective states and state tests: Investigating how affect during the school year predict end-of-year learning outcomes. Journal of Learning Analytics, 1(1), 107–128.
Gašević, D., Dawson, S. & Siemens, G. (2015). Let’s not forget: Learning analytics are about learning. TechTrends, 59(1), 64–71.

🎓 Resumen del Programa — UCampus + Moodle

▼ clic para colapsar

Estudiantes del Programa

Nombre	RUT	Ingreso	Estado	Cursos Moodle	Último Acceso	Participación	Situaciones	Email

Preparando tu avance

Consultando tus actividades en Moodle...

UMCE Virtual

Acceso Restringido

Alertas del sistema

-

Detalle por curso

-

Completitud por Tipo de Actividad

Distribución de Avance

Completitud por Actividad

Actividades completadas por semana

Dedicación promedio por nivel de avance

Proximas Actividades

Estructura del Curso

Estado de Entregas

Estudiantes

Asistencia por Sesi\u00f3n

Distribución de Asistencia por Estudiante

Tabla de Asistencia

Percepción de dificultad

Mayor dificultad percibida

Distribución por sección

Todas las actividades

🎓 Resumen del Programa — UCampus + Moodle

Estudiantes del Programa

📋 Actividades pendientes

📅 Próximas fechas

📚 Recorrido del curso