CoGnosis
Revista de Educación
e-ISNN 2588 – 0578 Vol. XI, Núm. 1: enero-marzo, año 2026
86
Modelo ATRIA para evaluar el logro de resultados de
aprendizaje en educación superior: aplicación en
Técnicas de Simulación
ATRIA model for evaluating learning outcome attainment in
higher education: an application in Simulation Techniques
Modelo ATRIA para avaliar o alcance dos resultados de
aprendizagem no ensino superior: aplicação em Técnicas de
Simulação
AUTORES:
Ivan Menes Camejo
Facultad de Informática y Electrónica, Escuela Superior Politécnica de
Chimborazo, Ecuador
ivan.menes@espoch.edu.ec
https://orcid.org/0000-0002-3051-4462
Gladys Lorena Aguirre Sailema
Facultad de Informática y Electrónica, Escuela Superior Politécnica de
Chimborazo, Ecuador
gaguirre@espoch.edu.ec
https://orcid.org/0000-0001-5096-1844
Jorge Ariel Menendez Verdecia
Facultad de Informática y Electrónica, Escuela Superior Politécnica de
Chimborazo, Ecuador
jorge.menendez@espoch.edu.ec
https://orcid.org/0000-0002-5829-3817
Modelo ATRIA para evaluar el logro de resultados de aprendizaje en educación superior:
aplicación en Técnicas de Simulación
Ivan Menes Camejo, Gladys Lorena Aguirre Sailema, Jorge Ariel Menendez Verdecia, Katherine Maribel Gallegos
Carrillo
Gnosis
Revista de Educación
e-ISNN 2588 – 0578 Vol. XI, Núm. 1: enero-marzo, año 2026
87
Katherine Maribel Gallegos Carrillo
Escuela Superior Politécnica de Chimborazo, Ecuador
katherine.gallegos@espoch.edu.ec
https://orcid.org/0000-0001-6882-8478
Fecha de recepción: 2025-09-13
Fecha de aceptación: 2025-11-09
Fecha de publicación: 2026-01-05
DOI https://doi.org/10.33936/cognosis.v11i1.8598
RESUMEN
El objetivo fue diseñar y aplicar un procedimiento metodológico replicable para
evaluar el logro de resultados de aprendizaje mediante alineación curricular,
trazabilidad de evidencias, normalización de puntuaciones e interpretación
orientada a la mejora. Se desarrolló un estudio metodológico, no experimental,
retrospectivo y documental con enfoque cuantitativo-descriptivo. La aplicación se
realizó en la asignatura Técnicas de Simulación del octavo nivel de una carrera de
Software, con un censo de 33 estudiantes durante el periodo del 24 de marzo al
30 de julio de 2025. Se analizaron el sílabo, el auxiliar de calificaciones por
actividades, la matriz de correspondencia entre resultados de aprendizaje de
asignatura y carrera, y las actas oficiales de evaluación y recuperación. El modelo
ATRIA integra cinco fases: alineación, trazabilidad, reescalamiento, interpretación
y acción de mejora. Para cada resultado se calculó una puntuación individual en
escala 0-10, el promedio grupal, la desviación estándar y la proporción de
estudiantes que alcanzó el umbral de 7/10. El promedio global de los diez
resultados fue 7,08/10. Los resultados RAA1, RAA2 y RAA3 alcanzaron
promedios de 8,92; 8,92 y 8,82, con tasas de logro entre 93,9 % y 97,0 %. En
contraste, RAA9 y RAA10 registraron 5,38 y 5,52, y solo 24,2 % de logro. La
aprobación directa fue 63,6 %; diez estudiantes rindieron recuperación y ninguno
aprobó. El patrón evidencia una brecha entre la comprensión conceptual y la
construcción de modelos computacionales. Se concluye que ATRIA permite
convertir registros académicos dispersos en evidencia trazable para decisiones
curriculares, aunque exige diversificar instrumentos, auditar evidencias repetidas
y alinear la recuperación con los resultados no alcanzados.
e-ISNN 2588 – 0578 Vol. XI, Núm. 1: enero-marzo, año 2026
PALABRAS CLAVE: resultados de aprendizaje; alineación constructiva;
evaluación directa; educación en ingeniería; simulación computacional
ABSTRACT
This study aimed to design and apply a replicable methodological procedure for
evaluating learning outcome attainment through curricular alignment, evidence
traceability, score normalization, and improvement-oriented interpretation. A
methodological, non-experimental, retrospective, documentary study with a
quantitative-descriptive approach was conducted. The model was applied to a
Simulation Techniques course in the eighth semester of a Software program,
using a census of 33 students from March 24 to July 30, 2025. The syllabus,
activity-level gradebook, course-to-program outcome mapping matrix, and official
assessment and recovery records were analyzed. The ATRIA model comprises five
phases: alignment, traceability, rescaling, interpretation, and improvement
action. For each outcome, an individual score on a 0-10 scale, group mean,
standard deviation, and the proportion of students reaching the 7/10 threshold
were calculated. The overall mean across the ten outcomes was 7.08/10.
Outcomes RAA1, RAA2, and RAA3 reached means of 8.92, 8.92, and 8.82, with
attainment rates from 93.9% to 97.0%. In contrast, RAA9 and RAA10 obtained
5.38 and 5.52, and only 24.2% attainment. Direct course approval was 63.6%;
ten students took the recovery assessment, and none passed. The pattern reveals
a gap between conceptual understanding and the construction of computational
models. ATRIA transform dispersed academic records into traceable evidence for
curricular decision-making; however, it requires diversified assessment
instruments, auditing of repeated evidence, and recovery processes aligned with
the outcomes that were not attained.
KEYWORDS: learning outcomes; constructive alignment; direct assessment;
engineering education; computer simulation
RESUMO
O objetivo foi elaborar e aplicar um procedimento metodológico replicável para
avaliar o alcance dos resultados de aprendizagem por meio de alinhamento
curricular, rastreabilidade das evidências, normalização das pontuações e
interpretação orientada à melhoria. Realizou-se um estudo metodológico, não
experimental, retrospectivo e documental, com abordagem quantitativo-
descritiva. A aplicação ocorreu na disciplina Técnicas de Simulação, do oitavo
nível de um curso de Software, com censo de 33 estudantes no período desde 24
de março a 30 de julho de 2025. Foram analisados o plano de ensino, o registro
de notas por atividades, a matriz de correspondência entre resultados da
disciplina e do curso e as atas oficiais de avaliação e recuperação. O modelo
Modelo ATRIA para evaluar el logro de resultados de aprendizaje en educación superior:
aplicación en Técnicas de Simulación
Ivan Menes Camejo, Gladys Lorena Aguirre Sailema, Jorge Ariel Menendez Verdecia, Katherine Maribel Gallegos
Carrillo
Gnosis
Revista de Educación
e-ISNN 2588 – 0578 Vol. XI, Núm. 1: enero-marzo, año 2026
89
ATRIA integra cinco fases: alinhamento, rastreabilidade, reescalonamento,
interpretação e ação de melhoria. Para cada resultado foram calculados a
pontuação individual em escala de 0 a 10, a média do grupo, o desvio-padrão e a
proporção de estudantes que alcançou o limiar de 7/10. A média global dos dez
resultados foi 7,08/10. Os resultados RAA1, RAA2 e RAA3 obtiveram médias de
8,92; 8,92 e 8,82, com taxas de alcance entre 93,9% e 97,0%. Em contraste,
RAA9 e RAA10 registraram 5,38 e 5,52, com apenas 24,2% de alcance. A
aprovação direta foi de 63,6%; dez estudantes realizaram recuperação e nenhum
foi aprovado. O padrão evidencia uma lacuna entre a compreensão conceitual e a
construção de modelos computacionais. Conclui-se que o ATRIA transforma
registros acadêmicos dispersos em evidências rastreáveis para decisões
curriculares, embora exija diversificação dos instrumentos, auditoria de
evidências repetidas e recuperação alinhada aos resultados não alcançados.
PALAVRAS-CHAVE: resultados de aprendizagem; alinhamento construtivo;
avaliação direta; educação em engenharia; simulação computacional
1. INTRODUCCIÓN: PUNTO DE PARTIDA
La evaluación de resultados de aprendizaje ocupa un lugar central en los modelos
de educación basada en resultados, porque desplaza la atención desde la
cobertura de contenidos hacia aquello que el estudiante puede explicar, aplicar,
diseñar o producir al finalizar una experiencia formativa. En ingeniería y
computación, esta orientación es especialmente relevante: los planes de estudio
deben demostrar que las actividades docentes y las evaluaciones generan
evidencias suficientes para sustentar el logro de capacidades profesionales y no
solo la aprobación de asignaturas (Syeed et al., 2022; Mahrishi et al., 2025).
La alineación constructiva propone relacionar de manera explícita los resultados
previstos, las actividades de enseñanza-aprendizaje y las tareas de evaluación. Su
valor no consiste únicamente en elaborar matrices curriculares, sino en asegurar
que las evidencias demanden el nivel de desempeño expresado en cada resultado
y que la interpretación de las calificaciones conduzca a decisiones de mejora
(Biggs & Tang, 2011; Loughlin et al., 2021). Sin esta correspondencia, una nota
global puede ocultar fortalezas y debilidades específicas: dos estudiantes con el
mismo promedio podrían haber alcanzado resultados diferentes, y un resultado
podría aparecer como logrado a partir de una única evidencia poco
representativa.
Los sistemas de aseguramiento de la calidad recomiendan mapear resultados de
asignatura con resultados de programa, definir indicadores de desempeño,
establecer umbrales y conservar registros que permitan monitoreo longitudinal.
Las experiencias de implementación muestran que la utilidad del enfoque
e-ISNN 2588 – 0578 Vol. XI, Núm. 1: enero-marzo, año 2026
depende de la trazabilidad entre los datos de evaluación y los resultados a los que
contribuyen, así como de la capacidad institucional para cerrar el ciclo de mejora
continua (Almuhaideb & Saeed, 2020; Amirtharaj et al., 2022; Kushari &
Septiadi, 2022).
En las asignaturas de simulación, la evaluación plantea retos adicionales. La
simulación combina comprensión conceptual, formulación matemática,
programación, experimentación, verificación, validación, análisis de datos y
comunicación de resultados. Por ello, las evidencias deben abarcar tanto
conocimientos declarativos como desempeño procedimental y resolución de
problemas. La literatura reconoce el potencial de los entornos simulados para
desarrollar habilidades complejas, pero también advierte que su efectividad debe
documentarse mediante evaluaciones formales y apoyos pedagógicos adecuados
(Chernikova et al., 2020; Negahban, 2024).
La asignatura Técnicas de Simulación analizada se organiza en tres unidades:
introducción a la simulación, teoría de colas y lenguajes de simulación. El sílabo
declara diez resultados de aprendizaje de asignatura vinculados con cinco
resultados de la carrera y contempla aula invertida, aprendizaje basado en
problemas, trabajo colaborativo, talleres, estudios de caso, experimentación y
prácticas de laboratorio. La evaluación se distribuye entre participación,
investigación formativa, aplicación de contenidos, resolución de problemas,
informes y prácticas. Esta diversidad ofrece múltiples fuentes de evidencia, pero
requiere un método que evite sumar calificaciones sin considerar qué resultado
representa cada actividad.
El problema metodológico fue, por tanto, cómo transformar el sílabo, el auxiliar
de calificaciones y las actas oficiales en un sistema transparente que permitiera
responder tres preguntas: qué evidencias sustentan cada resultado; qué
proporción de estudiantes alcanza el estándar esperado; y qué acciones deben
priorizarse cuando el promedio de la asignatura no coincide con el perfil de logro
por resultados. El objetivo del estudio fue diseñar y aplicar el modelo ATRIA para
evaluar el logro de resultados de aprendizaje mediante cinco operaciones
articuladas: alineación curricular, trazabilidad de evidencias, reescalamiento,
interpretación multinivel y acción de mejora.
2. MÉTODOS: RUTA METODOLÓGICA
2.1. Diseño y contexto
Se realizó un estudio de carácter metodológico con demostración empírica, bajo
un diseño no experimental, retrospectivo, transversal y documental. El enfoque
fue cuantitativo-descriptivo, porque se utilizaron registros académicos ya
Modelo ATRIA para evaluar el logro de resultados de aprendizaje en educación superior:
aplicación en Técnicas de Simulación
Ivan Menes Camejo, Gladys Lorena Aguirre Sailema, Jorge Ariel Menendez Verdecia, Katherine Maribel Gallegos
Carrillo
Gnosis
Revista de Educación
e-ISNN 2588 – 0578 Vol. XI, Núm. 1: enero-marzo, año 2026
91
generados para construir indicadores de logro y examinar su utilidad en la toma
de decisiones. No se manipuló la enseñanza ni se estableció un grupo de
comparación; por ello, los resultados no permiten atribuir causalidad a una
estrategia didáctica específica.
La aplicación se efectuó en la asignatura Técnicas de Simulación,
correspondiente al octavo nivel de la carrera de Software de la Facultad de
Informática y Electrónica de la Escuela Superior Politécnica de Chimborazo,
durante el periodo del 24 de marzo al 30 de julio de 2025. La asignatura tuvo 144
horas, tres créditos y una carga semanal de seis horas. En la versión
anonimizada se omite la identificación institucional para preservar el arbitraje
ciego.
2.2. Población, unidad de análisis y fuentes
La población estuvo constituida por los 33 estudiantes matriculados; se trabajó
con censo. La unidad primaria de análisis fue el resultado de aprendizaje de
asignatura (RAA), mientras que las unidades secundarias fueron las actividades
de evaluación y el desempeño individual de los estudiantes. Los nombres,
números de identificación y códigos estudiantiles no se incorporaron a la base
analítica ni al manuscrito.
Se utilizaron cuatro fuentes: a) el sílabo, para identificar resultados, unidades,
métodos y distribución de la evaluación; b) el auxiliar de calificaciones, que
contiene nueve actividades de medio ciclo y seis de fin de ciclo; c) la matriz
institucional que relaciona cada RAA con los resultados de aprendizaje de carrera
(RAC); y d) las actas oficiales de evaluación acumulada y recuperación,
empleadas para contrastar el perfil de logro con la aprobación de la asignatura.
2.3. Modelo ATRIA
ATRIA organiza la evaluación en cinco fases consecutivas. La primera, Alineación,
verifica la correspondencia RAA-RAC-unidad y el nivel de desempeño esperado.
La segunda, Trazabilidad, identifica las actividades que producen evidencia para
cada resultado y la puntuación máxima asociada. La tercera, Reescalamiento,
transforma combinaciones de actividades con pesos diferentes a una escala
común de 0 a 10. La cuarta, Interpretación, integra promedio, dispersión, tasa de
logro, cobertura de evidencias y estado académico. La quinta, Acción, convierte
los hallazgos en decisiones docentes, indicadores de seguimiento y nuevas
evidencias.
La lógica del modelo evita dos reducciones frecuentes: asumir que el promedio
final representa por igual todos los resultados y considerar que un alto promedio
e-ISNN 2588 – 0578 Vol. XI, Núm. 1: enero-marzo, año 2026
grupal garantiza que la mayoría alcanzó el estándar. Por esta razón se analizaron
simultáneamente la magnitud del desempeño y su distribución entre estudiantes.
Figura 1. Fases del modelo ATRIA para evaluar y mejorar el logro de resultados de
aprendizaje.
Nota. La acción de mejora genera nuevas evidencias y reinicia el ciclo de
evaluación.
2.4. Matriz de alineación y cobertura
Cada actividad se vinculó únicamente con los RAA declarados en el auxiliar. La
cobertura se definió como el número de actividades distintas y la suma de puntos
máximos que sustentan un resultado. Una cobertura amplia no garantiza validez,
pero ofrece mayor oportunidad de observar el desempeño. En sentido contrario,
los resultados respaldados por una sola actividad se interpretaron con cautela.
También se examinó si diferentes RAA utilizaban exactamente las mismas
evidencias o si existían columnas con calificaciones idénticas, porque estas
situaciones reducen la capacidad discriminante del sistema.
Tabla 1. Alineación, cobertura y observaciones de trazabilidad de los resultados
RAA
Desempeño central
RAC
Ubicación
N.° evid.
Puntos
Observación
RAA1
Conceptos de
simulación
RAC
1
Unidad
1
3
3,00
Mismas evidencias
que RAA2
RAA2
Metodología del
estudio de simulación
RAC
2
Unidad
1
3
3,00
Mismas evidencias
que RAA1
RAA3
Herramientas para
análisis de datos
RAC
2
Unidad
1
1
1,00
Evidencia única
Modelo ATRIA para evaluar el logro de resultados de aprendizaje en educación superior:
aplicación en Técnicas de Simulación
Ivan Menes Camejo, Gladys Lorena Aguirre Sailema, Jorge Ariel Menendez Verdecia, Katherine Maribel Gallegos
Carrillo
Gnosis
Revista de Educación
e-ISNN 2588 – 0578 Vol. XI, Núm. 1: enero-marzo, año 2026
93
RAA4
Trabajo en equipo y
comunicación
RAC
1
Transve
rsal
5
6,00
Cobertura en dos
momentos
RAA5
Fundamentos de
teoría de colas
RAC
2
Unidad
2
3
3,75
Cobertura media
RAA6
Aplicación y
programación de colas
RAC
3
Unidad
2
3
3,50
Cobertura media
RAA7
Herramientas para
modelos de colas
RAC
4
Unidad
2
1
1,25
Evidencia única
RAA8
Comandos y sintaxis
de simulación
RAC
4
Unidad
3
5
8,50
Cobertura amplia
RAA9
Construcción de
modelos
computacionales
RAC
5
Unidad
3
4
6,50
Cobertura amplia
RAA1
0
Herramientas para
modelos de
simulación
RAC
4
Unidad
3
3
5,00
Cobertura media
Nota. N.º evid. = número de actividades asociadas; puntos = suma máxima de las
actividades. La cobertura describe amplitud, no validez del instrumento.
2.5. Reglas de cálculo e interpretación
Para el estudiante i y el resultado j, la puntuación reescalada se calculó mediante
la expresión Eij = 10 × (Σxijk / Σpk), donde xijk es la calificación obtenida en la
actividad k asociada al resultado j y pk es la puntuación máxima de esa
actividad. El promedio del resultado se obtuvo como Ēj = (ΣEij)/n. La tasa de
logro fue Tj = 100 × [número de estudiantes con Eij ≥ 7]/n. El umbral de 7/10 se
adoptó como criterio operativo porque corresponde a la nota mínima de
aprobación utilizada en las actas académicas.
La valoración institucional del promedio se conservó en tres niveles: poco
cumplimiento (<3), cumplimiento medio (3 a 8) y cumplimiento satisfactorio (>8).
Para orientar la mejora se añadió una regla de prioridad: alta cuando Ēj <7 o Tj
<60 %; media cuando el promedio se ubicó entre 7 y 8 o la tasa entre 60 % y 79,9
%; y baja cuando el promedio fue >8 y al menos 80 % de estudiantes alcanzó el
umbral. Esta segunda regla es una propuesta del modelo y no reemplaza las
categorías institucionales.
e-ISNN 2588 – 0578 Vol. XI, Núm. 1: enero-marzo, año 2026
2.6. Análisis estadístico y control de calidad
Se calcularon media, desviación estándar, mediana, mínimo, máximo y
proporciones. Los resultados se agruparon en cuatro dominios: fundamentos y
metodología de simulación (RAA1-RAA3), competencia transversal de trabajo
colaborativo y comunicación (RAA4), teoría de colas (RAA5-RAA7) y
lenguajes/modelos computacionales (RAA8-RAA10). Las calificaciones de medio y
fin de ciclo se describieron por separado, porque evalúan resultados distintos y
no constituyen un pretest y postest equivalentes.
La consistencia de la información se verificó contrastando los totales del auxiliar
con las actas oficiales. Se identificaron pequeñas diferencias atribuibles al
redondeo y coincidencias exactas entre algunas columnas de actividades. Estas
coincidencias no fueron eliminadas, porque forman parte del registro original; se
documentaron como un punto de auditoría para la siguiente aplicación.
2.7. Consideraciones éticas
El análisis utilizó registros secundarios anonimizados y se reportó únicamente
información agregada. No se publicaron nombres, cédulas, códigos ni
calificaciones individuales. Antes del envío definitivo, los autores deben confirmar
y declarar la autorización institucional o el criterio del comité competente
respecto del uso investigativo de registros académicos.
3. RESULTADOS: HALLAZGOS DE LA APLICACIÓN
La matriz de alineación confirmó que los diez RAA se vinculan con cinco
resultados de carrera. La distribución de evidencias fue desigual: RAA4 y RAA8 se
sustentaron en cinco actividades, mientras que RAA3 y RAA7 dependieron de una
sola. Además, RAA1 y RAA2 utilizaron exactamente el mismo conjunto de
actividades, por lo que obtuvieron valores idénticos. Este hallazgo no implica que
los dos resultados sean equivalentes, sino que el sistema de evaluación
disponible no permite distinguir con suficiente precisión la explicación conceptual
de la descripción metodológica.
El promedio global de los diez resultados fue 7,08/10, clasificado como
cumplimiento medio. Sin embargo, la agregación ocultó una marcada
heterogeneidad. RAA1, RAA2 y RAA3 superaron 8/10 y presentaron tasas de
logro superiores a 93 %. RAA4 alcanzó 7,82 y 78,8 %, lo que indica que la
mayoría demostró trabajo colaborativo y comunicación, aunque el promedio no
llegó al nivel institucional satisfactorio.
Modelo ATRIA para evaluar el logro de resultados de aprendizaje en educación superior:
aplicación en Técnicas de Simulación
Ivan Menes Camejo, Gladys Lorena Aguirre Sailema, Jorge Ariel Menendez Verdecia, Katherine Maribel Gallegos
Carrillo
Gnosis
Revista de Educación
e-ISNN 2588 – 0578 Vol. XI, Núm. 1: enero-marzo, año 2026
95
Figura 2. Promedio reescalado de los diez resultados de aprendizaje de la
asignatura.
Nota. La línea discontinua representa el umbral operativo de 7/10; la línea
punteada separa el cumplimiento medio del satisfactorio según la escala
institucional.
Tabla 2. Desempeño, tasa de logro y prioridad por resultado de aprendizaje
RAA
Media ± DE
Mediana
≥7 (%)
Valoración
Prioridad
RAA1
8,92 ± 1,06
9,10
93,9
Satisfactorio
Baja
RAA2
8,92 ± 1,06
9,10
93,9
Satisfactorio
Baja
RAA3
8,82 ± 1,64
9,00
97,0
Satisfactorio
Baja
RAA4
7,82 ± 1,56
8,08
78,8
Medio
Media
RAA5
6,26 ± 2,35
6,27
45,5
Medio
Alta
RAA6
6,95 ± 2,05
7,14
51,5
Medio
Alta
RAA7
6,01 ± 2,77
6,20
39,4
Medio
Alta
RAA8
6,23 ± 1,97
6,62
42,4
Medio
Alta
RAA9
5,38 ± 2,31
5,88
24,2
Medio
Alta
RAA1
0
5,52 ± 2,18
5,85
24,2
Medio
Alta
e-ISNN 2588 – 0578 Vol. XI, Núm. 1: enero-marzo, año 2026
Nota. DE = desviación estándar. La prioridad alta se asignó cuando el promedio fue
<7 o la tasa de logro <60 %.
Los resultados asociados con teoría de colas mostraron una disminución del
desempeño. RAA5 alcanzó 6,26, RAA6 obtuvo 6,95 y RAA7 registró 6,01. La
proporción de estudiantes con al menos 7/10 osciló entre 39,4 % y 51,5 %. La
desviación estándar más alta se observó en RAA7 (2,77), lo que refleja amplia
dispersión y confirma la necesidad de interpretar con cautela un resultado
medido mediante una sola actividad.
La principal brecha se ubicó en la tercera unidad. RAA8 alcanzó 6,23, mientras
que RAA9 y RAA10 obtuvieron 5,38 y 5,52. Solo 24,2 % de los estudiantes
alcanzó el umbral en la construcción de modelos computacionales y el manejo de
herramientas de simulación. El perfil sugiere que reconocer comandos o describir
procedimientos resultó menos exigente que integrar la formulación del sistema, la
programación, la experimentación y la validación del modelo.
Tabla 3. Síntesis por dominio de aprendizaje
Dominio
Resultados
Media
Logro ≥7 (%)
Lectura
Fundamentos y
metodología
RAA1-
RAA3
8,89
94,9
Desempeño
consolidado
Trabajo colaborativo y
comunicación
RAA4
7,82
78,8
Logro extendido, aún
perfectible
Teoría de colas
RAA5-
RAA7
6,41
45,5
Brecha en aplicación y
herramientas
Lenguajes y modelos
computacionales
RAA8-
RAA10
5,71
30,3
Principal cuello de
botella
Nota. Los valores de dominio son promedios descriptivos de los RAA incluidos y no
una nueva escala institucional.
La trayectoria académica fue congruente con el perfil de RAA. Veintiún
estudiantes aprobaron directamente (63,6 %), diez fueron convocados a
recuperación y dos reprobaron por asistencia. Ninguno de los diez estudiantes
aprobó después de la recuperación; la nota promedio del examen fue 2,66/10 y
cuatro registros fueron cero. La recuperación, tal como fue aplicada, no produjo
evidencia de cierre de las brechas identificadas en los resultados de mayor
complejidad.
Modelo ATRIA para evaluar el logro de resultados de aprendizaje en educación superior:
aplicación en Técnicas de Simulación
Ivan Menes Camejo, Gladys Lorena Aguirre Sailema, Jorge Ariel Menendez Verdecia, Katherine Maribel Gallegos
Carrillo
Gnosis
Revista de Educación
e-ISNN 2588 – 0578 Vol. XI, Núm. 1: enero-marzo, año 2026
97
Tabla 4. Resultados académicos y proceso de recuperación
Indicador
Resultado
Interpretación
Estudiantes analizados
33
Censo del paralelo
Medio ciclo
7,59 ± 1,41
Mediana 7,39; rango 4,35-9,72
Fin de ciclo
6,63 ± 1,91
Mediana 7,05; rango 0,00-9,00
Promedio acumulado
7,11 ± 1,54
Mediana 7,48; rango 2,48-9,36
Aprobación directa
21/33 (63,6 %)
Sin recuperación
Convocados a
recuperación
10/33 (30,3 %)
Promedio previo 5,81/10
No habilitados por
asistencia
2/33 (6,1 %)
66 % de asistencia
Nota de recuperación
2,66 ± 2,46
Cuatro registros de 0,00
Aprobación en
recuperación
0/10 (0 %)
Máximo promedio posterior: 6,23
Aprobación final
21/33 (63,6 %)
Doce estudiantes no aprobaron
Nota. Las diferencias mínimas entre el auxiliar y el acta acumulada se explican por
el redondeo a dos decimales en el documento oficial.
El control de calidad de los registros detectó coincidencias exactas entre tres
pares de columnas de calificaciones. Estas coincidencias pueden responder a que
un mismo producto fue utilizado para valorar más de un componente o a una
duplicación operativa. En ambos casos, la interpretación debe documentar la
dependencia entre evidencias para evitar sobreestimar la cobertura.
Tabla 5. Plan de acción derivado del modelo ATRIA
Foco
Diagnóstico
Acción propuesta
Indicador de
seguimiento
RAA1-
RAA2
Evidencias
idénticas
Diseñar una tarea conceptual y
otra metodológica con criterios
diferenciados
Resultados
distintos y
trazables por RAA
RAA3 y
RAA7
Una sola
evidencia
Incorporar al menos una
evidencia adicional de desempeño
Dos mediciones en
momentos
diferentes
e-ISNN 2588 – 0578 Vol. XI, Núm. 1: enero-marzo, año 2026
RAA5-
RAA7
Media 6,41; logro
45,5 %
Secuencias de problemas,
diagnóstico de prerrequisitos y
laboratorios guiados
Media ≥7 y logro
≥60 %
RAA8
Logro 42,4 %
Microprácticas de sintaxis con
retroalimentación inmediata y
banco de errores
Incremento del
logro y reducción
de ceros
RAA9-
RAA10
Logro 24,2 %
Proyecto incremental: modelo,
código, verificación, validación y
análisis
Evidencia por hito
y defensa técnica
Recuperac
ión
0 % de
aprobación
Plan remedial individual por RAA
y nueva evidencia alineada
Reporte del RAA
recuperado, no
solo nota global
Calidad
del dato
Columnas con
valores idénticos
Auditar si son actividades
distintas o un producto
reutilizado
Diccionario de
datos y control de
duplicidad
Nota. Las metas deben revisarse en la siguiente cohorte y complementarse con
criterios de calidad del producto, no solo con calificaciones.
4. DISCUSIÓN: INTERPRETACIÓN Y ALCANCES
La aplicación del modelo ATRIA mostró que la evaluación por resultados ofrece
una lectura más informativa que la nota final. El promedio acumulado de la
asignatura fue 7,11/10, valor que por sí solo podría interpretarse como
aceptable. No obstante, la desagregación reveló que los resultados conceptuales
estaban consolidados y que los resultados de programación y construcción de
modelos solo fueron alcanzados por aproximadamente una cuarta parte del
grupo. Este contraste confirma la necesidad de combinar promedio y tasa de
logro, como recomiendan los sistemas de evaluación basados en resultados
(Amirtharaj et al., 2022; Syeed et al., 2022).
La progresión desde RAA1-RAA3 hacia RAA8-RAA10 implica un aumento de la
complejidad cognitiva y procedimental. Comprender conceptos y describir una
metodología son condiciones necesarias, pero no suficientes para construir un
modelo computacional verificable. La simulación exige coordinar representación
del sistema, supuestos, lógica, código, experimentación y lectura de resultados.
Los estudios sobre aprendizaje basado en simulación señalan que la práctica
deliberada, el andamiaje y la retroalimentación son decisivos para el desarrollo de
habilidades complejas (Chernikova et al., 2020; Negahban, 2024).
El bajo logro de RAA9 y RAA10 no debe atribuirse automáticamente a falta de
esfuerzo estudiantil. También puede indicar una distancia entre las
Modelo ATRIA para evaluar el logro de resultados de aprendizaje en educación superior:
aplicación en Técnicas de Simulación
Ivan Menes Camejo, Gladys Lorena Aguirre Sailema, Jorge Ariel Menendez Verdecia, Katherine Maribel Gallegos
Carrillo
Gnosis
Revista de Educación
e-ISNN 2588 – 0578 Vol. XI, Núm. 1: enero-marzo, año 2026
99
oportunidades de práctica y el desempeño exigido en la evaluación. El sílabo
declara aprendizaje basado en problemas, experimentación y prácticas; sin
embargo, los registros disponibles no muestran una secuencia explícita de hitos
para pasar del ejercicio aislado al proyecto completo. Un proyecto incremental
con entregas de conceptualización, modelo lógico, implementación, verificación,
validación y análisis permitiría distribuir la carga cognitiva y generar
retroalimentación antes de la evaluación sumativa.
La igualdad de puntuaciones entre RAA1 y RAA2 constituye una alerta de validez.
Si dos resultados expresan actuaciones distintas, deberían contar con al menos
una evidencia o criterio que los diferencie. De manera similar, RAA3 y RAA7
dependen de una sola tarea; un desempeño alto o bajo podría reflejar
circunstancias específicas del instrumento. La alineación constructiva requiere
no solo declarar relaciones, sino diseñar evaluaciones que representen el
constructo y el nivel de desempeño esperado (Biggs & Tang, 2011; Loughlin et al.,
2021).
La ausencia de aprobación en recuperación merece una revisión pedagógica. Una
prueba global administrada al final puede confirmar la insuficiencia acumulada,
pero no necesariamente ofrece una ruta para recuperar resultados concretos.
Desde la lógica de ATRIA, la recuperación debería comenzar con un perfil
individual de RAA no alcanzados, continuar con actividades remediales y finalizar
con una nueva evidencia auténtica vinculada al resultado. Así, la recuperación
dejaría de ser una repetición de calificación y se convertiría en una oportunidad
documentada de aprendizaje.
El modelo también aporta una capa de control de calidad del dato. Las
coincidencias entre columnas y las diferencias de redondeo no invalidan los
registros, pero muestran que un sistema de resultados necesita diccionario de
actividades, identificadores estables, reglas para evidencias compartidas y
auditoría de fórmulas. Los sistemas de información para educación basada en
resultados han demostrado que el mapeo y el almacenamiento estructurado
facilitan el monitoreo, siempre que las relaciones entre resultados, indicadores y
cursos estén definidas con claridad (Kushari & Septiadi, 2022).
Los hallazgos son coherentes con experiencias que relacionan la educación
basada en resultados con la mejora continua y el aseguramiento de la calidad en
programas de computación e ingeniería (Almuhaideb & Saeed, 2020; Jadhav et
al., 2020). La contribución específica de ATRIA es integrar en una misma ruta la
cobertura de evidencias, el reescalamiento de actividades con pesos diferentes, la
tasa individual de logro y una regla explícita de prioridad. Esto permite que la
reunión docente se centre en resultados y acciones verificables, en lugar de
limitarse a promedios generales.
e-ISNN 2588 – 0578 Vol. XI, Núm. 1: enero-marzo, año 2026
El estudio presenta limitaciones. Corresponde a un solo paralelo y periodo
académico, por lo que los resultados no son generalizables. No se contó con
rúbricas analíticas completas ni con validación de instrumentos. Algunas
evidencias fueron compartidas por varios resultados y se identificaron columnas
idénticas. Tampoco existe una medición inicial equivalente que permita estimar
ganancia de aprendizaje. La tasa de logro utiliza el umbral de aprobación
institucional y no una norma externa de competencia. Futuras aplicaciones
deben incorporar validación por expertos, acuerdo entre evaluadores, rúbricas
por desempeño y seguimiento de cohortes.
5. CONCLUSIONES: CIERRE DEL CICLO DE MEJORA
El modelo ATRIA convirtió el sílabo, el auxiliar de calificaciones y las actas
académicas en una cadena trazable de evidencia para evaluar resultados de
aprendizaje. Sus cinco fases —alineación, trazabilidad, reescalamiento,
interpretación y acción— son replicables en otras asignaturas siempre que se
definan con precisión las actividades y sus pesos.
La aplicación mostró un promedio global de 7,08/10, pero evidenció dos perfiles
claramente diferenciados: alto logro en fundamentos, metodología y análisis de
datos, y bajo logro en programación, construcción y manejo de modelos
computacionales. La tasa de logro permitió reconocer que RAA9 y RAA10 fueron
alcanzados por solo 24,2 % de los estudiantes, información que no era visible en
el promedio final de la asignatura.
La evaluación requiere fortalecer la validez de la evidencia. RAA1 y RAA2 deben
diferenciarse mediante tareas o criterios específicos; RAA3 y RAA7 necesitan más
de una evidencia; y las columnas de calificaciones idénticas deben auditarse para
establecer si representan productos distintos o reutilización de un mismo
desempeño.
La prioridad pedagógica es implementar una secuencia de aprendizaje para teoría
de colas y lenguajes de simulación basada en problemas progresivos, laboratorios
guiados, revisión de código, verificación y validación por hitos. La recuperación
debe alinearse con los RAA no alcanzados y generar una nueva evidencia de
desempeño, no limitarse a una prueba global.
ATRIA no sustituye el juicio académico ni valida por sí solo los resultados
declarados. Su función es hacer explícitas las reglas de cálculo, revelar vacíos de
cobertura y organizar el cierre del ciclo de mejora. La siguiente aplicación deberá
comparar cohortes, validar rúbricas y documentar el efecto de las acciones
implementadas.
Modelo ATRIA para evaluar el logro de resultados de aprendizaje en educación superior:
aplicación en Técnicas de Simulación
Ivan Menes Camejo, Gladys Lorena Aguirre Sailema, Jorge Ariel Menendez Verdecia, Katherine Maribel Gallegos
Carrillo
Gnosis
Revista de Educación
e-ISNN 2588 – 0578 Vol. XI, Núm. 1: enero-marzo, año 2026
10
1
6. DECLARACIÓN DE CONFLICTO DE INTERESES
Los autores declaran que no existen conflictos de intereses en relación con
este artículo. No han recibido financiamiento ni apoyo de ninguna
organización o entidad que pudiera influir en el contenido del trabajo
7. CONTRIBUCIÓN DE LOS AUTORES
Autor 1
Conceptualización, Curación de datos, Análisis formal,
Adquisición de fondos, Investigación, Metodología,
Administración del proyecto, Recursos, Software,
Visualización, Redacción – borrador original.
Autor 2
Conceptualización, Curación de datos, Análisis formal,
Adquisición de fondos, Investigación, Metodología,
Administración del proyecto, Recursos, Software,
Visualización, Redacción – borrador original.
Autor 3
Curación de datos, Administración del proyecto, Supervisión,
Validación, Visualización, Redacción – revisión y edición –
Autor 4
Curación de datos, Administración del proyecto, Supervisión,
Validación, Visualización, Redacción – revisión y edición –
8. REFERENCIAS BIBLIOGRÁFICAS
Almuhaideb, A. M., & Saeed, S. (2020). Fostering sustainable quality assurance practices in
outcome-based education: Lessons learned from ABET accreditation process of computing
programs. Sustainability, 12(20), 8380. https://doi.org/10.3390/su12208380
Amirtharaj, S., Chandrasekaran, G., Thirumoorthy, K., & Muneeswaran, K. (2022). A systematic
approach for assessment of attainment in outcome-based education. Higher Education for
the Future, 9(1), 8-29. https://doi.org/10.1177/23476311211017744
Anderson, L. W., & Krathwohl, D. R. (Eds.). (2001). A taxonomy for learning, teaching, and
assessing: A revision of Bloom's taxonomy of educational objectives. Longman.
Barman, L., Bolander-Laksov, K., & Silén, C. (2014). Policy enacted: Teachers' approaches to an
outcome-based framework for course design. Teaching in Higher Education, 19(7), 735-
746. https://doi.org/10.1080/13562517.2014.934346
Biggs, J., & Tang, C. (2011). Teaching for quality learning at university (4th ed.). Open University
Press.
Chernikova, O., Heitzmann, N., Stadler, M., Holzberger, D., Seidel, T., & Fischer, F. (2020).
Simulation-based learning in higher education: A meta-analysis. Review of Educational
Research, 90(4), 499-541. https://doi.org/10.3102/0034654320933544
Cobos Morocho, P. G., & Loyola Illescas, E. E. (2025). La evaluación formativa con herramientas
digitales. Revista Cognosis, 10(4). https://doi.org/10.33936/cognosis.v10i4.7872
de Jong, T., Linn, M. C., & Zacharia, Z. C. (2013). Physical and virtual laboratories in science and
engineering education. Science, 340(6130), 305-308.
https://doi.org/10.1126/science.1230579
e-ISNN 2588 – 0578 Vol. XI, Núm. 1: enero-marzo, año 2026
Havnes, A., & Prøitz, T. S. (2016). Why use learning outcomes in higher education? Exploring the
grounds for academic resistance and reclaiming the value of unexpected learning.
Educational Assessment, Evaluation and Accountability, 28(3), 205-223.
https://doi.org/10.1007/s11092-016-9243-z
Jadhav, M. R., Kakade, A. B., Jagtap, S. R., & Patil, M. S. (2020). Impact assessment of outcome
based approach in engineering education in India. Procedia Computer Science, 172, 791-
796. https://doi.org/10.1016/j.procs.2020.05.113
Kushari, B., & Septiadi, L. (2022). A learning outcome assessment information system to facilitate
outcome-based education implementation. Jurnal Pendidikan Teknologi dan Kejuruan,
28(2), 238-250. https://doi.org/10.21831/jptk.v28i2.42339
Loughlin, C., Lygo-Baker, S., & Lindberg-Sand, Å. (2021). Reclaiming constructive alignment.
European Journal of Higher Education, 11(2), 119-136.
https://doi.org/10.1080/21568235.2020.1816197
Mahrishi, M., Ramakrishna, S., Hosseini, S., & Abbas, A. (2025). A systematic literature review of
the global trends of outcome-based education in higher education with an SDG perspective
related to engineering education. Discover Sustainability, 6, 620.
https://doi.org/10.1007/s43621-025-01496-z
Negahban, A. (2024). Simulation in engineering education: The transition from physical
experimentation to digital immersive simulated environments. Simulation, 100(7), 695-
708. https://doi.org/10.1177/00375497241229757
Rao, N. J. (2020). Outcome-based education: An outline. Higher Education for the Future, 7(1), 5-
21. https://doi.org/10.1177/2347631119886418
Syeed, M. M. M., Shihavuddin, A. S. M., Uddin, M. F., Hasan, M., & Khan, R. H. (2022). Outcome
based education: Defining the process and practice for engineering education. IEEE
Access, 10, 119170-119192. https://doi.org/10.1109/ACCESS.2022.3219477