摘要：En este trabajo se plantea una revisión de las analíticas masivas de datos de aprendizaje en la Educación Superior. Se relaciona con un nuevo paradigma de aprendizaje basado en tareas y en logros en consonancia con las capacidades individuales y no con el tiempo, con el espacio o con la edad. La viabilidad y la relevancia las define claramente el problema de 2 sigma, que plantea el amplio horizonte por recorrer hasta un objetivo límite de aprendizaje. Actualmente se constata un decidido interés por el análisis de datos de aprendizaje utilizando los sistemas y el software basado en los entornos sociales y ubicuos y en los nuevos LMS que lo incorporan. El problema es que hasta ahora las herramientas consolidadas de uso común solo obtienen datos y gráficas que relacionan el rendimiento individual con el grupal, y el de éste en conjunto, y además sólo lo hacen con referencia a datos de aprendizaje que hemos introducido merced a procedimientos de evaluación convencionales. Sin embargo hay un espacio que suministra una enorme cantidad de datos no solo para la evaluación del alumno y que actualmente ignoramos, al menos de forma explícita, es el espacio de trabajo personal del alumno conectado, en red con sus iguales, con los profesores, con los recursos y con todo el material que va utilizando y con el registro de los métodos y estrategias con que lo hace. Ahora hay una nueva perspectiva: La analítica masiva de datos personalizados. Los algoritmos utilizados en otros medios, adecuadamente orientados por las teorías del aprendizaje personalizado, por técnicas pedagógicas y de diseño instruccional pueden, junto con los avances en minería de datos, obtener informaciones para ajustar mejor la intervención educativa, para mejorar el rendimiento del alumnos, a más de su satisfacción, y el del programa educativo.
