Código Científico Revista de Investigación/ V.5/ N. E4/ www.revistacodigocientifico.itslosandes.net
ISSN: 2806-5697
Vol. 5 – Núm. E4 / 2024
pág. 516
Desarrollo y Validación de Modelos de Aprendizaje Online para
la Mejora de la Calidad Educativa
Development and Validation of Online Learning Models for Educational
Quality Improvement
Desenvolvimento e validação de modelos de aprendizagem em linha para a
melhoria da qualidade do ensino
Abad Basantes, Cristian Augusto
Universidad Estatal Amazonica
cabad@uea.edu.ec
https://orcid.org/0000-0003-1250-9974
Toscano Quispe, Silvia Yolanda
Universidad Estatal Amazonica
sy.toscanoq@uea.edu.ec
https://orcid.org/0009-0009-1985-0287
Sarango Romero, Verónica Janeth
Universidad César Vallejo
vjsarangos@ucvvirtual.edu.pe
https://orcid.org/0009-0004-8346-3146
Alvear Loor, Jessica Geovanna
Universidad Técnica de Manabí
jalvear4004@utm.edu.ec
https://orcid.org/0009-0002-3724-0617
DOI / URL: https://doi.org/10.55813/gaea/ccri/v5/nE4/507
Como citar:
Abad Basantes, C. A., Toscano Quispe, S. Y., Sarango Romero, V. J., & Alvear Loor, J. G.
(2024). Desarrollo y Validación de Modelos de Aprendizaje Online para la Mejora de la
Calidad Educativa. Código Científico Revista De Investigación, 5(E4), 516–528.
Recibido: 22/08/2024 Aceptado: 11/09/2024 Publicado: 30/09/2024
Código Científico Revista de Investigación/ V.5/ N. E4/ www.revistacodigocientifico.itslosandes.net
pág. 517
Research Article
Volumen 5, Número Especial 4, 2024
Resumen
Este artículo revisa el desarrollo y validación de modelos de aprendizaje en línea para mejorar
la calidad educativa. El estudio se sitúa en el contexto actual de la educación digital, impulsada
principalmente por la pandemia de COVID-19, que aceleró la adopción de plataformas de
enseñanza en línea. Se emplearon técnicas de análisis de ecuaciones estructurales (PLS-SEM)
para validar modelos que integran tecnologías emergentes como la gamificación y el análisis
de datos. Los resultados muestran un impacto positivo en la satisfacción estudiantil, el
rendimiento académico y la participación activa. Sin embargo, también se identificaron
limitaciones, como la desigualdad en el acceso a la infraestructura tecnológica y la falta de
formación docente. A pesar de estos desafíos, los modelos de aprendizaje en línea representan
una oportunidad importante para la educación inclusiva y personalizada. Se concluye que es
necesario un enfoque más amplio que incluya políticas educativas que favorezcan el acceso
equitativo a la tecnología y promuevan la capacitación docente. Además, se sugiere que futuras
investigaciones se centren en el desarrollo de modelos más flexibles y adaptables a diferentes
contextos.
Palabras clave: aprendizaje en línea, calidad educativa, tecnologías emergentes, satisfacción
estudiantil, validación de modelos.
Abstract
This article reviews the development and validation of online learning models to improve
educational quality. The study is situated in the current context of digital education, largely
driven by the COVID-19 pandemic, which accelerated the adoption of online teaching
platforms. Structural equation modeling (PLS-SEM) techniques were used to validate models
that integrate emerging technologies such as gamification and data analytics. The results show
a positive impact on student satisfaction, academic performance, and active participation.
However, limitations such as inequality in access to technological infrastructure and lack of
teacher training were also identified. Despite these challenges, online learning models represent
an important opportunity for inclusive and personalized education. It is concluded that a
broader approach is needed, including educational policies that promote equitable access to
technology and teacher training. Moreover, future research should focus on developing more
flexible and adaptable models for different contexts.
Keywords: online learning, educational quality, emerging technologies, student satisfaction,
model validation.
Resumo
Este artigo revisa o desenvolvimento e a validação de modelos de aprendizagem online para
melhorar a qualidade educacional. O estudo está inserido no contexto atual da educação digital,
impulsionada principalmente pela pandemia de COVID-19, que acelerou a adoção de
plataformas de ensino online. Técnicas de modelagem de equações estruturais (PLS-SEM)
foram utilizadas para validar modelos que integram tecnologias emergentes, como gamificação
e análise de dados. Os resultados mostram um impacto positivo na satisfação dos alunos, no
desempenho acadêmico e na participação ativa. No entanto, também foram identificadas
limitações, como a desigualdade no acesso à infraestrutura tecnológica e a falta de formação
docente. Apesar desses desafios, os modelos de aprendizagem online representam uma
oportunidade importante para a educação inclusiva e personalizada. Conclui-se que é
necessário um enfoque mais amplo, incluindo políticas educacionais que favoreçam o acesso
equitativo à tecnologia e promovam a capacitação docente. Além disso, sugere-se que
Código Científico Revista de Investigación/ V.5/ N. E4/ www.revistacodigocientifico.itslosandes.net
pág. 518
Research Article
Volumen 5, Número Especial 4, 2024
pesquisas futuras se concentrem no desenvolvimento de modelos mais flexíveis e adaptáveis a
diferentes contextos.
Palavras-chave: aprendizagem online, qualidade educacional, tecnologias emergentes,
satisfação dos alunos, validação de modelos.
Introducción
El desarrollo de modelos de aprendizaje en línea ha ganado una relevancia significativa
en los últimos años, especialmente con la expansión de las tecnologías de la información y la
comunicación (TIC) en el ámbito educativo. La pandemia de COVID-19 aceleró este proceso,
transformando la educación a nivel global, ya que las instituciones educativas se vieron
obligadas a trasladar sus actividades al entorno digital para garantizar la continuidad del
aprendizaje (Martínez-Gómez et al., 2022). En este contexto, los modelos de aprendizaje en
línea han demostrado ser no solo una alternativa viable, sino también una oportunidad para
mejorar la calidad educativa mediante la implementación de enfoques pedagógicos más
flexibles y personalizados (Swanepoel, 2024).
El aprendizaje en línea, aunque no es un concepto nuevo, se ha desarrollado a lo largo
de las últimas dos décadas gracias a los avances tecnológicos y la proliferación de internet
(Moore, 1989). Estos modelos han permitido que estudiantes y docentes interactúen de manera
sincrónica y asincrónica, eliminando barreras geográficas y proporcionando un acceso más
equitativo a la educación. No obstante, aunque se ha avanzado considerablemente en su
adopción, la efectividad de estos modelos en términos de mejora de la calidad educativa aún es
objeto de debate, ya que su éxito depende de factores como la infraestructura tecnológica, la
formación docente y el diseño de las plataformas de aprendizaje (Eom, Wen & Ashill, 2006).
Un aspecto central de la investigación actual es la validación de estos modelos para
asegurar que cumplan con los estándares de calidad educativa. Los métodos de validación,
como el análisis de ecuaciones estructurales (PLS-SEM), permiten evaluar las relaciones entre
las características del sistema, la satisfacción estudiantil y los resultados académicos, lo que
facilita la mejora continua de las plataformas y enfoques pedagógicos (Li, 2016). Además, las
tecnologías emergentes, como la gamificación y la inteligencia artificial, están siendo cada vez
más integradas en los modelos de e-learning, lo que aumenta la personalización del contenido
y mejora el compromiso del estudiante (Martin, Wang & Sadaf, 2018).
El propósito de este trabajo es revisar los principales modelos de aprendizaje en línea
desarrollados y validados en los últimos años, con el objetivo de evaluar su impacto en la
Código Científico Revista de Investigación/ V.5/ N. E4/ www.revistacodigocientifico.itslosandes.net
pág. 519
Research Article
Volumen 5, Número Especial 4, 2024
mejora de la calidad educativa. A través de un análisis de estudios recientes y de las tecnologías
aplicadas, este artículo busca identificar las tendencias actuales y los desafíos pendientes para
optimizar el uso de estas herramientas en diversos contextos educativos. En resumen, el trabajo
se enfoca en proporcionar un marco comprensivo que permita a los investigadores y educadores
comprender mejor cómo los modelos de aprendizaje en línea pueden ser implementados de
manera efectiva para maximizar el éxito académico y la satisfacción de los estudiantes.
Metodología
Criterios de Selección de Fuentes
Para llevar a cabo esta revisión bibliográfica, se establecieron criterios claros para la
selección de los estudios a analizar. Se incluyeron solo aquellos artículos científicos publicados
entre los años 2000 y 2024 que abordaran el desarrollo y la validación de modelos de
aprendizaje en línea para la mejora de la calidad educativa. Las bases de datos consultadas
fueron Google Scholar, Scopus y ERIC, utilizando palabras clave como "modelos de
aprendizaje en línea", "calidad educativa", "validación de e-learning" y "tecnologías
emergentes en educación". Además, se filtraron los artículos que contuvieran un DOI para
asegurar la accesibilidad y confiabilidad de las fuentes.
Proceso de Búsqueda
Se utilizó un enfoque sistemático para la búsqueda de literatura, comenzando por una
revisión de títulos y resúmenes para asegurar la relevancia de los artículos. Los estudios
seleccionados debían cumplir con los siguientes criterios:
• Relevancia temática: Estudios que se centraran en el desarrollo o validación de
modelos de aprendizaje online, con enfoque en la mejora de la calidad
educativa.
• Tipo de estudio: Se priorizaron los estudios experimentales,
cuasiexperimentales y revisiones previas que evaluaban resultados de
implementación de modelos de aprendizaje en línea.
• Idiomas: Se incluyeron artículos escritos en inglés y español.
• Accesibilidad: Solo se incluyeron artículos con acceso completo para garantizar
que todos los métodos y datos estuvieran disponibles para el análisis.
• Se revisaron un total de 120 artículos, de los cuales 45 cumplieron con los
criterios de inclusión tras una evaluación más detallada del texto completo.
Código Científico Revista de Investigación/ V.5/ N. E4/ www.revistacodigocientifico.itslosandes.net
pág. 520
Research Article
Volumen 5, Número Especial 4, 2024
Análisis de los Datos
Los estudios seleccionados se clasificaron según los siguientes parámetros:
• Tipo de modelo: Clasificación de los modelos de aprendizaje en línea
utilizados, como el modelo 3S-T (Martínez-Gómez et al., 2022) y otros basados
en teorías de interacción y satisfacción estudiantil (Moore, 1989).
• Tecnologías emergentes: Se analizaron estudios que utilizaron tecnologías
como la gamificación, la realidad aumentada y el uso de análisis de datos
(Swanepoel, 2024).
• Métodos de validación: Se revisaron los estudios que emplearon técnicas
estadísticas robustas para validar sus modelos, como el uso de regresión de
mínimos cuadrados parciales (PLS-SEM) (Li, 2016).
• Impacto en la calidad educativa: Evaluación de cómo estos modelos han
afectado la calidad educativa mediante indicadores de rendimiento académico,
satisfacción y retención de los estudiantes.
Síntesis de Resultados
Una vez categorizados, los datos de los artículos seleccionados se sintetizaron para
identificar las principales tendencias en el desarrollo de modelos de aprendizaje en línea. Se
realizó un análisis comparativo entre los estudios para evaluar los enfoques metodológicos, las
tecnologías implementadas y los resultados en términos de mejora de la calidad educativa.
Los artículos seleccionados se integraron en tablas que resumen el tipo de modelo, la
tecnología utilizada, el contexto de implementación (por ejemplo, educación superior,
secundaria, etc.), y los resultados de validación, con el fin de facilitar la comparación y
proporcionar una visión completa de la literatura actual.
Reproducibilidad
Todos los estudios revisados están documentados de manera que otros investigadores
puedan replicar este proceso. Las bases de datos, palabras clave, criterios de selección y análisis
de datos están claramente definidos. Además, los artículos y códigos utilizados en los estudios
de validación están accesibles en los repositorios respectivos, permitiendo que los interesados
puedan replicar los resultados o aplicar los modelos en otros contextos educativos.
Este enfoque metodológico garantiza una revisión exhaustiva y replicable de la
literatura sobre el desarrollo y la validación de modelos de aprendizaje en línea, contribuyendo
al avance en la mejora de la calidad educativa.
Código Científico Revista de Investigación/ V.5/ N. E4/ www.revistacodigocientifico.itslosandes.net
pág. 521
Research Article
Volumen 5, Número Especial 4, 2024
Figura 1
Enfoques Metodológicos Utilizados por Autores Clave en la Validación de Modelos de
Aprendizaje Online
Nota: El gráfico de barras apiladas presenta los diferentes enfoques metodológicos utilizados por los autores clave
en el campo del aprendizaje online. Se muestran las áreas principales que incluyen la validación de modelos, el
uso de tecnologías emergentes, la satisfacción estudiantil y el aprendizaje personalizado. Los datos fueron
extraídos de artículos revisados entre 2000 y 2024, visualizando cómo cada autor ha contribuido en diversas
metodologías para validar modelos educativos en línea.
Resultados
Modelos de Aprendizaje Online y su Impacto en la Calidad Educativa
Se encontró que los modelos de aprendizaje en línea evaluados mejoraron
significativamente la calidad educativa en términos de satisfacción estudiantil, rendimiento
académico y participación activa en los cursos. Varios estudios destacaron el uso de tecnologías
emergentes y enfoques pedagógicos innovadores como factores clave para lograr estos
resultados (Swanepoel, 2024; Martínez-Gómez et al., 2022).
Modelo 3S-T: Este modelo fue validado en múltiples contextos educativos y se
demostró que mejora la satisfacción de los estudiantes al permitirles autoevaluar su progreso y
recibir retroalimentación personalizada. Los resultados mostraron un aumento del 20% en la
satisfacción estudiantil en comparación con los métodos tradicionales de enseñanza (Martínez-
Gómez et al., 2022).
Gamificación y Realidad Aumentada: Los estudios que implementaron tecnologías
como la gamificación y la realidad aumentada reportaron un incremento notable en el
compromiso y la participación de los estudiantes. En particular, el uso de gamificación aumentó
Código Científico Revista de Investigación/ V.5/ N. E4/ www.revistacodigocientifico.itslosandes.net
pág. 522
Research Article
Volumen 5, Número Especial 4, 2024
la interacción en foros de discusión en un 15%, mientras que la realidad aumentada mejoró la
retención del conocimiento en un 25% (Swanepoel, 2024).
Métodos de Validación y Eficacia de los Modelos
La validación de los modelos de aprendizaje en línea se realizó mediante diversas
técnicas estadísticas, como el análisis de ecuaciones estructurales (PLS-SEM), lo que permitió
confirmar la relación entre las variables de satisfacción estudiantil y rendimiento académico
(Li, 2016). Los resultados de estos estudios validaron la eficacia de los modelos propuestos en
la mejora de la calidad educativa.
PLS-SEM: Esta técnica fue empleada en la mayoría de los estudios para validar la
estructura de los modelos. En el caso del modelo 3S-T, se observó una alta correlación entre
las características del sistema de aprendizaje en línea y la satisfacción del estudiante
(coeficiente de determinación R² = 0.68), lo cual sugiere que la calidad de la plataforma y el
soporte técnico son factores determinantes en el éxito del aprendizaje (Eom, Wen & Ashill,
2006).
Comparación con métodos tradicionales: Los estudios también compararon los
resultados de los modelos de aprendizaje en línea con los métodos tradicionales de enseñanza.
Los datos indicaron que los estudiantes en entornos en línea mostraron un 30% más de
autonomía en su aprendizaje y un 18% menos de tasas de abandono, lo que evidencia que los
modelos en línea, bien implementados, pueden ser superiores en ciertos contextos educativos
(Cole, Shelley & Swartz, 2014).
Limitaciones y Desafíos
A pesar de los resultados positivos, algunos estudios señalaron limitaciones en la
implementación de estos modelos, especialmente en áreas con baja conectividad a internet o
falta de capacitación docente. Estos factores afectaron negativamente la adopción y el éxito de
las plataformas de aprendizaje en línea (Chen & Adesope, 2016).
Desigualdad en el acceso: Se observó que los estudiantes en zonas rurales o con acceso
limitado a internet tenían un 40% menos de probabilidades de beneficiarse de los modelos de
aprendizaje en línea en comparación con aquellos en áreas urbanas. Esto resalta la necesidad
de desarrollar estrategias inclusivas que puedan ser aplicadas en contextos con infraestructura
tecnológica limitada (Ejubovic & Puška, 2019).
Capacitación docente: Otro desafío identificado fue la falta de capacitación adecuada
para los docentes, lo que redujo la efectividad de los modelos en algunos casos. Los estudios
indicaron que la calidad del aprendizaje en línea depende en gran medida de la capacidad del
Código Científico Revista de Investigación/ V.5/ N. E4/ www.revistacodigocientifico.itslosandes.net
pág. 523
Research Article
Volumen 5, Número Especial 4, 2024
docente para gestionar las herramientas tecnológicas y adaptarse a un nuevo paradigma
educativo (Martin, Wang & Sadaf, 2018).
Figura 2
Autores Relevantes en la Validación de Modelos de Aprendizaje Online
Nota: El gráfico de telaraña ilustra la relación y el impacto de diversos autores en áreas clave relacionadas con la validación
de modelos de aprendizaje online. Se incluyeron seis autores cuyos trabajos han sido fundamentales en la evaluación y
desarrollo de modelos educativos basados en tecnologías emergentes, y se evaluaron en seis áreas principales: Validación de
modelos, Tecnologías emergentes, Estructura metodológica, Satisfacción estudiantil, Aprendizaje personalizado, y Mejora del
rendimiento académico.
Cada área tiene un peso representado en la escala del gráfico, donde se asignan valores
numéricos de 1 a 5 (siendo 5 el mayor impacto). La información se extrajo de la revisión
bibliográfica de artículos científicos publicados entre los años 2000 y 2024, centrados en la
educación online y la validación de modelos. Los autores se clasificaron según su relevancia
en cada área, lo que permitió visualizar su contribución relativa al campo.
El gráfico de telaraña revela varias tendencias clave en la investigación sobre el
aprendizaje online:
Martínez-Gómez et al. (2022) y Li (2016) destacan por su fuerte contribución en la
validación de modelos y en la integración de tecnologías emergentes. Ambos autores han
validado modelos de aprendizaje que incorporan herramientas tecnológicas avanzadas, lo que
ha impactado significativamente en la mejora de la calidad educativa.
Swanepoel (2024) muestra una gran contribución en la adopción de tecnologías
emergentes y mejora del rendimiento académico, especialmente a través del uso de la
gamificación y la realidad aumentada. Su investigación ha permitido el aumento de la
participación estudiantil y la retención del conocimiento.
Código Científico Revista de Investigación/ V.5/ N. E4/ www.revistacodigocientifico.itslosandes.net
pág. 524
Research Article
Volumen 5, Número Especial 4, 2024
Eom, Wen & Ashill (2006) sobresalen en la estructura metodológica y en la
investigación sobre satisfacción estudiantil, estableciendo parámetros claros sobre cómo las
características de los sistemas de aprendizaje online influyen en la satisfacción y los resultados
académicos.
Chen & Adesope (2016) son relevantes en cuanto a la satisfacción estudiantil y las
implicaciones de la infraestructura tecnológica en el aprendizaje online. Aunque su
contribución en tecnologías emergentes es menor, su trabajo sobre la satisfacción de los
estudiantes es un pilar importante.
Martin et al. (2018) se enfocan en el aprendizaje personalizado y la mejora del
rendimiento académico, destacando la importancia de estrategias de compromiso e
interactividad en los entornos de aprendizaje online.
Este gráfico evidencia que, aunque los autores han hecho contribuciones significativas
en diversas áreas, el éxito en la implementación de modelos de aprendizaje online no depende
únicamente de un aspecto, sino de una combinación de factores. Es especialmente notable
cómo los avances en tecnologías emergentes están profundamente interrelacionados con la
validación de modelos y la mejora de la satisfacción y el rendimiento académico.
Discusión
Los resultados de esta revisión indican que los modelos de aprendizaje en línea tienen
un impacto significativo en la mejora de la calidad educativa, lo cual concuerda con estudios
previos sobre la efectividad de estos sistemas en contextos de educación superior (Eom, Wen
& Ashill, 2006; Swanepoel, 2024). La validación del modelo 3S-T, que enfatiza la satisfacción
estudiantil y la personalización del aprendizaje, refleja una tendencia creciente hacia la
integración de tecnologías emergentes como la gamificación y el análisis de datos para
optimizar la experiencia educativa (Martínez-Gómez et al., 2022). Sin embargo, es importante
señalar que el éxito de estos modelos no solo depende de la tecnología utilizada, sino también
de factores externos como la accesibilidad a la infraestructura tecnológica y la capacitación
docente (Chen & Adesope, 2016).
Interpretación de los Resultados
Los hallazgos de la mejora en satisfacción estudiantil y rendimiento académico en
entornos en línea confirman hipótesis previas sobre la eficacia de la enseñanza digital, sobre
todo en contextos de educación superior (Cole, Shelley & Swartz, 2014). No obstante, un
aspecto clave es que los resultados también revelan desigualdades en cuanto al acceso y la
Código Científico Revista de Investigación/ V.5/ N. E4/ www.revistacodigocientifico.itslosandes.net
pág. 525
Research Article
Volumen 5, Número Especial 4, 2024
infraestructura, lo que refuerza los hallazgos de Ejubovic & Puška (2019), quienes observaron
que los estudiantes de áreas rurales enfrentan importantes desafíos tecnológicos. En ese
sentido, los resultados ponen de relieve la necesidad de diseñar modelos más inclusivos que no
solo se adapten a estudiantes con acceso pleno a internet, sino que también puedan ser eficaces
en entornos con limitaciones tecnológicas.
Alcance y Limitaciones
Aunque los resultados de los estudios revisados muestran claros beneficios del
aprendizaje en línea, su alcance es limitado en ciertos contextos. El hecho de que algunos
modelos dependen en gran medida de una infraestructura tecnológica avanzada puede excluir
a ciertos grupos de estudiantes, lo que plantea una limitación importante para su
implementación a gran escala (Chen & Adesope, 2016). La falta de formación adecuada para
los docentes también representa una barrera para el éxito de estos modelos, ya que la
efectividad de la enseñanza en línea requiere que los educadores estén familiarizados con las
herramientas y metodologías digitales, como señalan Martin, Wang & Sadaf (2018).
Comparación con Estudios Previos
Este análisis respalda los estudios anteriores que sugieren que la satisfacción y el
compromiso estudiantil aumentan con el uso de tecnologías interactivas y personalizadas,
como la gamificación y el análisis de datos (Swanepoel, 2024). Al mismo tiempo, los estudios
revisados también muestran que la simple implementación de plataformas en línea no garantiza
automáticamente una mejora en la calidad educativa si no se toman en cuenta las barreras
tecnológicas y la preparación pedagógica (Eom, Wen & Ashill, 2006). Esta observación
concuerda con la crítica de Ejubovic & Puška (2019) sobre la necesidad de adaptar los modelos
a las realidades socioeconómicas de los estudiantes.
Implicaciones para la Investigación Futura
Una dirección futura clave sería desarrollar modelos de aprendizaje en línea más
inclusivos y flexibles, que no dependan exclusivamente de tecnologías avanzadas y que puedan
aplicarse en contextos con baja conectividad. Además, se debe investigar más sobre cómo
mejorar la formación de los docentes en la utilización de estas plataformas, dado que la
efectividad de los modelos en línea depende en gran medida de la capacidad del educador para
implementar estas herramientas de manera adecuada (Martin et al., 2018). La investigación
también debería enfocarse en la personalización del aprendizaje mediante inteligencia artificial
y análisis de big data para ofrecer experiencias aún más adaptadas a las necesidades
individuales de los estudiantes (Swanepoel, 2024).
Código Científico Revista de Investigación/ V.5/ N. E4/ www.revistacodigocientifico.itslosandes.net
pág. 526
Research Article
Volumen 5, Número Especial 4, 2024
En conclusión, aunque los modelos de aprendizaje en línea muestran un gran potencial
para mejorar la calidad educativa, es fundamental abordar las limitaciones tecnológicas y
pedagógicas para maximizar su impacto. La investigación futura debe centrarse en crear
soluciones inclusivas que puedan implementarse en una variedad de contextos educativos.
Conclusión
Los resultados de esta revisión bibliográfica sugieren que los modelos de aprendizaje
en línea han mostrado un impacto significativo en la mejora de la calidad educativa,
cumpliendo con el objetivo inicial de evaluar la efectividad y validación de estos enfoques. Los
hallazgos indican que, al incorporar tecnologías emergentes como la gamificación, la realidad
aumentada y el análisis de datos, los modelos en línea pueden aumentar la satisfacción
estudiantil, mejorar el rendimiento académico y fomentar una mayor participación en los
cursos.
Uno de los principales aportes de esta revisión es la identificación de la personalización
como un factor clave en el éxito de los modelos de aprendizaje en línea. La capacidad de
adaptar el contenido educativo a las necesidades y ritmos individuales de los estudiantes
permite un aprendizaje más efectivo y centrado en el usuario, algo que no siempre es posible
en los métodos tradicionales de enseñanza. Este hallazgo refuerza la relevancia de seguir
desarrollando herramientas y plataformas que no solo se limiten a la entrega de contenido, sino
que también ofrezcan experiencias de aprendizaje personalizadas y adaptables.
Sin embargo, esta revisión también resalta importantes desafíos que deben abordarse
para que estos modelos alcancen su máximo potencial. Las barreras tecnológicas,
especialmente en regiones con conectividad limitada, y la falta de capacitación adecuada de los
docentes, son factores que limitan la implementación eficaz de los modelos en línea. Estas
limitaciones subrayan la necesidad de desarrollar enfoques inclusivos que consideren tanto las
condiciones tecnológicas como las capacidades pedagógicas de los educadores.
La investigación presentada aquí aporta una base sólida para futuras exploraciones en
el campo del aprendizaje en línea. Se ha demostrado que los modelos de e-learning validados
pueden mejorar significativamente la calidad educativa, pero su éxito depende en gran medida
del contexto en el que se implementen. Por lo tanto, el siguiente paso lógico en la investigación
es avanzar hacia modelos más inclusivos, adaptables y sostenibles, que no dependan
Código Científico Revista de Investigación/ V.5/ N. E4/ www.revistacodigocientifico.itslosandes.net
pág. 527
Research Article
Volumen 5, Número Especial 4, 2024
exclusivamente de la infraestructura tecnológica avanzada, y que puedan ser replicados en
diversos entornos educativos.
En conclusión, esta revisión bibliográfica confirma que los modelos de aprendizaje en
línea son herramientas valiosas para la mejora de la calidad educativa. No obstante, el impacto
positivo de estos modelos solo será plenamente alcanzado cuando se eliminen las barreras
tecnológicas y pedagógicas existentes, y se desarrollen estrategias que promuevan un acceso
equitativo a estas plataformas. Los avances en la formación docente, el diseño de sistemas más
inclusivos y la integración de nuevas tecnologías serán cruciales para asegurar que la educación
en línea continúe evolucionando y contribuyendo al desarrollo educativo global.
Referencias bibliográficas
Avila-Orjuela, D. A., & Rodríguez-Leuro, A. I. (2024). La pasantía internacional: ¡Abrir el
libro del mundo!. Journal of Economic and Social Science Research, 4(2), 246–257.
https://doi.org/10.55813/gaea/jessr/v4/n2/110
Chen, P.-H., & Adesope, O. (2016). The effects of need satisfaction on EFL online learner
satisfaction. Distance Education, 37(1), 89–106.
https://doi.org/10.1080/01587919.2016.1155962
Choi, B. (2016). How people learn in an asynchronous online learning environment. Canadian
Journal of Learning and Technology, 42(1). https://doi.org/10.21432/T24K7R
Cole, M. T., Shelley, D. J., & Swartz, L. B. (2014). Online instruction, e-learning, and student
satisfaction: A three-year study. International Review of Research in Open and Distance
Learning, 15(6), 111–131. https://doi.org/10.19173/irrodl.v15i6.1748
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of
information technology. MIS Quarterly, 13(3), 318–339.
https://doi.org/10.2307/249008
Divjak, M., Rupel, V. P., & Lešnik, K. M. (2018). The impact of study attitudes and study
behavior on satisfaction of online students. Educational Media International, 55(3),
287–300. https://doi.org/10.1080/09523987.2018.1512450
Donohue, T. L., & Wong, E. H. (1997). Achievement motivation and college satisfaction in
traditional and nontraditional students. Education, 118(2), 237–243.
https://link.gale.com/apps/doc/A20479498/AONE
Ejubovic, A., & Puška, A. (2019). Impact of self-regulated learning on academic performance
and satisfaction of students in the online environment. Knowledge Management & E-
Learning, 11(3), 345–363. https://doi.org/10.34105/j.kmel.2019.11.018
Eom, S. B., Wen, H. J., & Ashill, N. (2006). The determinants of students’ perceived learning
outcomes and satisfaction in university online education: An empirical investigation.
Decision Sciences Journal of Innovative Education, 4(2), 215–235.
https://doi.org/10.1111/j.1540-4609.2006.00114.x
Herrera-Sánchez, M. J., Casanova- Villalba, C. I., Moreno-Novillo, Ángela C., & Mina-Bone,
S. G. (2024). Tecnoestrés en docentes universitarios con funciones académicas y
administrativas en Ecuador. Revista Venezolana De Gerencia, 29(11), 606-621.
https://doi.org/10.52080/rvgluz.29.e11.36
Código Científico Revista de Investigación/ V.5/ N. E4/ www.revistacodigocientifico.itslosandes.net
pág. 528
Research Article
Volumen 5, Número Especial 4, 2024
Jaggars, S. S., & Xu, D. (2013). Online student orientation and its influence on student
performance. Journal of Asynchronous Learning Networks, 17(1), 43–45.
https://doi.org/10.24059/olj.v17i1.312
Jaggars, S. S., & Xu, D. (2016). How do online course design features influence student
performance? Computers & Education, 95, 270–284.
https://doi.org/10.1016/j.compedu.2016.01.014
Kumar, S., Martin, F., Budhrani, K., & Ritzhaupt, A. (2019). Award-winning faculty online
teaching practices: Course design, assessment and evaluation, and facilitation. The
Internet and Higher Education, 42, 34–43. https://doi.org/10.1016/j.iheduc.2019.04.001
Laurillard, D., et al. (2013). A constructionist learning environment for teachers to model
learning designs. Journal of Computer Assisted Learning, 29(1), 15–30.
https://doi.org/10.1111/j.1365-2729.2011.00458.x
Le Maistre, C. (1998). What is an expert instructional designer? Evidence of expert
performance during formative evaluation. Educational Technology Research and
Development, 46(3), 21–36. https://doi.org/10.1007/BF02299759
Li, C.-H. (2016). Confirmatory factor analysis with ordinal data: Comparing robust maximum
likelihood and diagonally weighted least squares. Behavior Research Methods, 48(3),
936–949. https://doi.org/10.3758/s13428-015-0619-7
Luo, N., Zhang, M., & Qi, D. (2017). Effects of different interactions on students’ sense of
community in e-learning environment. Computers & Education, 115, 153–160.
https://doi.org/10.1016/j.compedu.2017.08.006
Martin, F., & Bolliger, D. U. (2018). Engagement matters: Student perceptions on the
importance of engagement strategies in the online learning environment. Online
Learning, 22(1), 205–222. https://doi.org/10.24059/olj.v22i1.1092
Martin, F., Wang, C., & Sadaf, A. (2018). Student perception of helpfulness of facilitation
strategies that enhance instructor presence, connectedness, engagement and learning in
online courses. The Internet and Higher Education, 37, 52–65.
https://doi.org/10.1016/j.iheduc.2018.01.003
Martínez-Gómez, M., Bustamante, E., & Berna-Escriche, C. (2022). Development and
Validation of an E-Learning Education Model in the COVID-19 Pandemic: A Case
Study in Secondary Education. Sustainability, 14(20), 13261.
https://doi.org/10.3390/su142013261
Moore, M. G. (1989). Three types of interaction. American Journal of Distance Education,
3(2), 1–7. https://doi.org/10.1080/08923648909526659
Puyol-Cortez, J. L. (2024). Factores determinantes en la toma de decisiones estratégicas en el
sector retail. Revista Científica Zambos, 3(1), 36-55.
https://doi.org/10.69484/rcz/v3/n1/11
Santander-Salmon, E. S. (2024). Métodos pedagógicos innovadores: Una revisión de las
mejores prácticas actuales. Revista Científica Zambos, 3(1), 73-90.
https://doi.org/10.69484/rcz/v3/n1/13
Swanepoel, J. A. (2024). Cohesive Online Education Model Using Emergent Technologies to
Improve Accessibility and Impact. Education Sciences, 14(5), 522.
https://doi.org/10.3390/educsci14050522
Torres-Roberto, M. A. (2024). Evaluación Formativa Continua en la Enseñanza y aprendizaje
del Cálculo: Mejorando el Rendimiento Académico en Estudiantes de Educación
Profesional. Journal of Economic and Social Science Research, 4(2), 93–113.
https://doi.org/10.55813/gaea/jessr/v4/n2/104
Torres-Torres, O. L. (2024). Evaluación de Genially como herramienta didáctica en la práctica
docente de la educación a distancia. Journal of Economic and Social Science
Research, 4(1), 1–18. https://doi.org/10.55813/gaea/jessr/v4/n1/82
