Las tecnologías educativas contemporáneas generan una cantidad considerable de datos de interacción finos —clics, tiempo de permanencia, secuencias de navegación— comúnmente referidos como micro-comportamientos. Estas huellas conductuales representan un recurso clave para la personalización del aprendizaje, siempre que se exploten de manera contextualizada, interpretable y éticamente responsable. Este artículo presenta un marco conceptual para la explotación operativa de los micro-comportamientos, integrando dimensiones cognitivas, metacognitivas, afectivas e interactivas dentro de un ciclo analítico adaptativo. Aprovechando ideas del análisis de aprendizaje, el aprendizaje automático y la teoría del aprendizaje autorregulado, el modelo propuesto establece un ciclo de retroalimentación cerrado que conecta la recolección de datos, la estructuración, la interpretación y la toma de decisiones adaptativas. La discusión enfatiza la importancia de combinar Inteligencia Artificial Explicable (XAI) y supervisión humana para garantizar la transparencia, interpretabilidad y coherencia pedagógica. Los resultados conceptuales destacan el valor de los micro-comportamientos como indicadores de compromiso y regulación cognitiva, al tiempo que identifican nuevas direcciones técnicas y éticas para el diseño de sistemas de aprendizaje inteligentes y responsables. En última instancia, esta investigación aboga por una visión centrada en el ser humano de la IA educativa: no como un sustituto de los docentes, sino como un socio cognitivo que mejora el aprendizaje reflexivo, inclusivo y sostenible.
ESSADIK et al. (Vie,) estudiaron esta cuestión.