Desarrollo de plataforma de analíticas para la mejora del aprendizaje

Abstract

Didascalias es un sistema de simulación educativa en Realidad Virtual (RV), desarrollado como un proyecto interuniversitario para formar a futuros docentes mediante entornos inmersivos donde se recrean dinámicas reales del aula. A pesar de su innovación pedagógica, hasta ahora carecía de una herramienta capaz de ofrecer un análisis estructurado de lo que ocurre durante las simulaciones. Esta limitación impedía a investigadores y formadores evaluar con precisión el desempeño del alumnado y dificultaba la obtención de evidencias pedagógicas para mejorar el proceso formativo. Nuestro Trabajo de Fin de Grado surge precisamente dentro del ecosistema de Didascalias como una respuesta directa a esta carencia: diseñar e implementar una plataforma de analíticas que registre, almacene y visualice los datos generados durante las simulaciones. El problema se aborda desde la perspectiva del modelo TAM (Technology Acceptance Model), que destaca la utilidad percibida como clave en la adopción tecnológica. Sin acceso a datos sobre lo que ocurre dentro de la experiencia de RV, el potencial formativo de la RV se veía comprometido (Álvarez, I. M., Manero, B., Romero-Hernández, A., Cárdenas, M., & Masó, I, 2024). Nuestra solución permite registrar, almacenar y visualizar métricas relevantes de las sesiones de RV, como estadísticas del comportamiento del usuario y eventos clave disparados desde el entorno web. La herramienta ofrece dashboards interactivos que permiten un análisis posterior, comparaciones entre estadísticas y eventos de las sesiones y una comprensión mucho más rica del aprendizaje inmersivo. Además del desarrollo técnico, el proyecto enfrentó desafíos de integración en un entorno distribuido entre universidades, con múltiples actores y una validación final en un experimento internacional en Chile. Con esta plataforma, se habilita por primera vez una capa de reporting sobre las simulaciones de Didascalias, ofreciendo insights valiosos tanto a investigadores como a formadores, con potencial para extenderse a nuevas métricas y usos en el futuro.

Didascalias is an educational simulation system in Virtual Reality (VR), developed as an inter-university project aimed at training future teachers through immersive environments that recreate real classroom dynamics. Despite its pedagogical innovation, it has so far lacked a tool capable of providing a structured analysis of what occurs during the simulations. This limitation prevented researchers and educators from accurately evaluating student performance and made it difficult to gather pedagogical evidence to improve the training process. Our bachelor’s Thesis emerges precisely within the Didascalias ecosystem as a direct response to this gap: to design and implement an analytics platform that records, stores, and visualizes data generated during simulations. The problem is approached from the perspective of the Technology Acceptance Model (TAM), which highlights perceived usefulness as a key factor in technology adoption. Without access to data on what happens inside the VR experience, the educational potential of the technology was significantly compromised (Álvarez, I. M., Manero, B., Romero-Hernández, A., Cárdenas, M., & Masó, I, 2024). Our solution enables the recording, storage, and visualization of relevant metrics from VR sessions, such as user behaviour statistics and key events triggered from the web environment. The platform provides interactive dashboards that allow for post-session analysis, comparisons between simulations, and a much richer understanding of immersive learning. In addition to the technical development, the project faced integration challenges within a distributed environment involving multiple universities and culminated in a real-world validation through an international experiment conducted in Chile. With this platform, a reporting layer is enabled for the first time in Didascalias simulations, offering valuable insights to both researchers and educators, with the potential to be extended to new metrics and applications in the future.