Revista EDICIC, San José (Costa Rica), v.25, e-5525, p.1-17, 2025. ISSN: 2236-5753
Este documento tiene licencia bajo la Creative Commons Attribution 4.0 International.
Alfabetización en datos en el contexto universitario: una propuesta formativa
para el ámbito de las Ciencias Sociales
Josefa Gallego Lorenzo, Universidad de León (ULE), España, https://orcid.org/0000-0002-
5218-517X
José Carlos Toro Pascua, Universidad de Salamanca (USAL), España,
https://orcid.org/0000-0002-1783-6395
Yolanda Martín González, Universidad de Salamanca (USAL), España,
https://orcid.org/0000-0002-6353-7644
Azucena Hernández Martín, Universidad de Salamanca (USAL), España,
https://orcid.org/0000-0002-6731-7710
Críspulo Travieso Rodríguez, Universidad de Salamanca (USAL), España,
https://orcid.org/0000-0002-0774-0728
DOI: https://doi.org/10.62758/re.318
RESUMEN
La alfabetización en datos se ha convertido en una competencia esencial para el profesorado
universitario, especialmente en el ámbito de las ciencias sociales, donde el análisis riguroso y ético de
la información es indispensable para una docencia adaptada a los retos de la sociedad digital. Este
estudio presenta una propuesta formativa diseñada con el objetivo de fortalecer las capacidades del
profesorado en el manejo de datos, partiendo del análisis de la oferta formativa existente a nivel
nacional e internacional, así como de los resultados de una encuesta aplicada a 706 docentes
universitarios españoles. El curso resultante, concebido en formato virtual, se estructura en cinco
módulos que abordan cuestiones clave: protección de datos personales y académicos, confiabilidad y
evaluación de fuentes de datos, gestión de datos de investigación, visualización e interpretación
gráfica, y estrategias de reutilización y citación. La metodología adoptada se basa en el uso de recursos
educativos en abierto, actividades prácticas orientadas a contextos reales y una organización flexible
que facilita el aprendizaje autónomo. Esta iniciativa se alinea con las directrices de la ciencia abierta y
con las políticas educativas recogidas en la Agenda España Digital 2025. Los resultados del estudio
evidencian la necesidad urgente de incorporar la alfabetización en datos como un eje transversal en la
formación docente, no solo para mejorar la calidad de la enseñanza, sino también para empoderar al
profesorado en la toma de decisiones fundamentadas en evidencias, promoviendo así una educación
superior más crítica, inclusiva y eficaz.
Palabras-Clave: Alfabetización en Datos; Escenarios Formativos; Ciencias Sociales; Formación;
Docentes; Educación Superior.
Competência em dados no contexto universitário: uma proposta de formação para a área
das Ciências Sociais
Revista EDICIC, San José (Costa Rica), v.25, e-5525, p.1-17, 2025. ISSN: 2236-5753
Este documento tiene licencia bajo la Creative Commons Attribution 4.0 International.
RESUMO
A competência em dados tornou-se uma competência essencial para o professor universitário,
sobretudo no âmbito das ciências sociais, onde a análise rigorosa e ética da informação é indispensável
para uma docência adaptada aos retos da sociedade digital. Este estúdio apresenta uma proposta
formativa concebida com o objetivo de reforçar as capacidades do professor na gestão de dados,
participando na análise da oferta formativa existente a nível nacional e internacional, bem como dos
resultados de uma consulta aplicada a 706 professores universitários espanhóis. O curso resultante,
concebido em formato virtual, está estruturado em cinco módulos que abordam questões chave:
proteção de dados pessoais e académicos, fiabilidade e avaliação de fontes de dados, gestão de dados
de investigação, visualização e interpretação gráfica, e estratégias de reutilização e citação. A
metodologia adotada baseia-se na utilização de recursos educativos abertos, atividades práticas
orientadas para contextos reais e uma organização flexível que facilita a aprendizagem autónoma. Esta
iniciativa está alinhada com as diretrizes da ciência aberta e com as políticas educativas reconhecidas
na Agenda España Digital 2025. Os resultados do estudo evidenciam a necessidade urgente de
incorporar a competência em dados como um exemplo transversal na formação docente, não apenas
para melhorar a qualidade da educação, mas também para capacitar o professor na tomada de
decisões fundamentadas em evidencias, promovendo assim uma educação superior mais crítica,
inclusiva e eficaz.
Palavras-Chave: Competência em Dados; Cenários Formativos; Ciências Sociais; Formação; Docentes;
Ensino Superior.
Data literacy in the university context: a training proposal for the field of Social Sciences
ABSTRACT
Data literacy has become an essential skill for university lecturers, especially in the field of social
sciences, where rigorous and ethical analysis of information is indispensable for teaching that is
adapted to the challenges of the digital society. This study presents a training proposal designed to
strengthen teachers' data management skills, based on an analysis of existing training programmes at
national and international level, as well as the results of a survey of 706 Spanish university teachers.
The resulting course, designed in a virtual format, is structured in five modules that address key issues:
personal and academic data protection, reliability and evaluation of data sources, research data
management, visualization and graphical interpretation, and reuse and citation strategies. The
methodology adopted is based on the use of open educational resources, practical activities geared
towards real contexts, and a flexible organization that facilitates autonomous learning. This initiative
is in line with open science guidelines and the educational policies set out in the Spain Digital 2025
Agenda. The results of the study highlight the urgent need to incorporate data literacy as a cross-
cutting theme in teacher training, not only to improve the quality of teaching, but also to empower
teachers to make evidence-based decisions, thereby promoting a more critical, inclusive and effective
higher education.
Keywords: Data Literacy; Training Scenarios; Social Sciences; Training; Teachers; Higher Education.
Revista EDICIC, San José (Costa Rica), v.25, e-5525, p.1-17, 2025. ISSN: 2236-5753
Este documento tiene licencia bajo la Creative Commons Attribution 4.0 International.
1 INTRODUCCIÓN
La alfabetización en datos ha adquirido un protagonismo destacado en diferentes campos del
conocimiento, lo que ha repercutido directamente en el ámbito educativo. En este contexto, los
estudios universitarios en el área de las ciencias sociales no han sido ajenos a esta transformación.
La incorporación progresiva de las tecnologías digitales en los entornos de enseñanza-
aprendizaje ha propiciado la generación masiva de datos provenientes de múltiples fuentes:
plataformas de aprendizaje en línea, sistemas de gestión de aprendizaje (LMS), aplicaciones educativas
digitales, redes sociales académicas, dispositivos móviles, trabajos de estudiantes, registros de
evaluación y participación entre otros, etc. (Constantino et al., 2015; Figueroa, 2024). Por ello, en el
contexto universitario, los docentes deben estar capacitados para identificar, analizar, seleccionar y
evaluar conjuntos de datos con la finalidad de utilizarlos de manera confiable en el proceso de
enseñanza-aprendizaje y promover la alfabetización en datos (Comisión Europea, 2020).
La utilización de datos confiables mejora en gran medida la efectividad docente, puesto que,
al contar con información precisa sobre el desempeño y las necesidades de los estudiantes (e incluso
de las suyas propias), pueden personalizar la instrucción, implementar intervenciones oportunas y
fomentar un entorno de aprendizaje más inclusivo y equitativo (Gallego Lorenzo et al., 2024).
Esto requiere una comprensión más profunda de los datos, incluyendo la identificación de sus
fuentes, la evaluación de su calidad y su aplicación en el ámbito educativo.
Desde un punto de vista educativo, los datos son esenciales para la formación, pues el uso
adecuado de los mismos y su reutilización en diferentes contextos permitirá desarrollar
conocimientos, resolver problemas, e identificar las prácticas que funcionan a la vez que ayudan a
combatir la desinformación. (Martín González et al., 2023).
En consecuencia, la formación del profesorado universitario debe incorporar, por un lado, los
aspectos tecnológicos y didácticos del uso de las TIC para favorecer los procesos de enseñanza-
aprendizaje en datos y, por otro lado, debe ser capaz de utilizar múltiples formas de datos para obtener
información sobre cómo sus estudiantes se involucran y dan sentido a los diferentes aspectos del
contenido académico (Miller-Bains et al., 2022). Asimismo, el uso de datos puede conducir a cambios
en su práctica profesional ya que es un requisito previo para la toma de decisiones (Jacobs et al., 2009).
El Plan de Acción de Educación Digital (2021-2027) de la Unión Europea promueve la
integración de la alfabetización en datos en los currículos universitarios y reconoce la importancia de
la educación en datos como componente esencial de la transformación digital que busca mejorar las
competencias digitales de los estudiantes y docentes. (European Education Area, 2023). Además,
refuerza el acceso a los datos y su uso como una de sus prioridades clave, con el fin de preparar a las
instituciones de educación y formación para la era digital y dotarlas de las capacidades necesarias para
tomar mejores decisiones y mejorar sus cualificaciones y competencias (Comisión Europea, 2020).
Actualmente, el profesorado dispone de una gran diversidad de recursos y contenidos digitales
que puede utilizar para la enseñanza, lo que exige una formación específica en competencias digitales
para apoyar su práctica docente. Esta formación debe abordar la búsqueda y selección de datos, la
creación y modificación de contenidos educativos en entornos digitales, respetando los derechos de
autor; y, además, debe disponer de habilidades en el uso de los datos para su protección, gestión y
explotación de forma segura y ética y su incorporación en contextos formativos (Marco de Referencia,
Revista EDICIC, San José (Costa Rica), v.25, e-5525, p.1-17, 2025. ISSN: 2236-5753
Este documento tiene licencia bajo la Creative Commons Attribution 4.0 International.
2022; DigComp 2.2, 2022). Estas directrices también están fijadas en la agenda España Digital 2025 y
en el Plan Nacional de Competencias Digitales, publicados por el Ministerio de Asuntos Económicos y
Transformación Digital (Marco de Referencia, 2022).
Las universidades en tanto que instituciones de educación y formación superior, son
importantes generadoras y productoras de datos y conocimientos, y como tales deben asumir un papel
activo en la creación de entornos formativos que promuevan el acceso responsable, informado y
contextualizado a los datos. Es necesario que estas instituciones académicas se adapten a los
inminentes cambios que exige la sociedad de la información y favorezcan no sólo la adquisición de las
capacidades necesarias para tomar decisiones educativas adecuadas y mejorar las cualificaciones y
competencias sino también las habilidades, capacidades y conocimientos prospectivos que las
personas precisan para innovar y prosperar (Comisión Europea, 2020).
El propósito de este estudio es presentar una propuesta formativa diseñada para mejorar la
alfabetización en datos del profesorado universitario del campo de las ciencias sociales. Dicha
propuesta fue concebida en el marco del proyecto de investigación “Alfabetización en datos en el
contexto universitario: detección de necesidades, diseño de escenarios formativos y elaboración de
un referencial de competencias” (PID2020-116233RB-100) financiado por el Ministerio de Ciencia e
Innovación de España.
2 REFERENCIAL TEÓRICO
La era digital ha transformado radicalmente la manera en que se accede y utiliza la
información. En este sentido, el individuo alfabetizado en datos es capaz de comprender, explicar,
utilizar, interpretar, consumir y difundir -de manera crítica y eficaz- los datos, y convertirlos en
información y en conocimiento (Merka et al., 2020; Usova & Laws, 2021).
En este contexto, la alfabetización en datos (data literacy) se entiende como la capacidad que
tiene una persona para leer y comprender el significado de los datos, lo que contribuye a que cualquier
ciudadano pueda tomar decisiones que afecten a su labor profesional y/o a su vida cotidiana, en base
a datos. Para ello ha de saber identificarlos, localizarlos, interpretarlos, usarlos y comunicarlos.
En el ámbito de la enseñanza, la alfabetización en datos es la “capacidad de transformar la
información en conocimiento y prácticas instructivas procesables al recopilar, analizar e interpretar
todo tipo de datos” (Papamitsiou et al. 2021, p. 6); y en este sentido debe incorporarse desde los
primeros cursos de formación inicial del profesorado, tal y como sugieren Mandinach & Gummer
(2016); Miller-Bains et al. (2022) y Reeves & Honig (2015). En esta misma dirección, el estudio de
Jacobs et al. (2009), reconoce que los profesores no se sienten preparados para utilizar los datos de
forma eficaz en su enseñanza porque les falta formación y experiencia. Y señala como principal
limitación la falta de comprensión eficaz sobre el uso de los datos de alfabetización, a pesar de que es
necesaria para la toma de decisiones educativas y curriculares. Hay que señalar que en la educación
superior faltan programas pedagógicos institucionales que conciencien y fomenten la formación e
investigación en este ámbito.
En este sentido, la alfabetización en datos nos puede ayudar a identificar, analizar y evaluar
los datos que estamos buscando, a la vez que nos capacita en habilidades competenciales, necesarias
para responder al por qué y para qué los estamos buscando, cómo encontrarlos, cómo comunicarlos
de manera crítica y cómo interpretarlos en la toma de decisiones.
Revista EDICIC, San José (Costa Rica), v.25, e-5525, p.1-17, 2025. ISSN: 2236-5753
Este documento tiene licencia bajo la Creative Commons Attribution 4.0 International.
Entendemos que la alfabetización en datos es una competencia esencial para el profesorado
universitario en el contexto de la educación superior contemporánea. En esa línea, el diseño de un
escenario formativo virtual debe ser concebido de manera flexible que promueva el aprendizaje de
competencias clave relacionadas con el manejo de datos.
En el ámbito universitario, esta habilidad del manejo y comprensión de los datos se ha vuelto
fundamental, tanto para el desempeño académico como para la formación de futuros profesionales.
De ahí que, cada vez en mayor medida, las universidades vayan implementando prácticas formativas
en alfabetización en datos, con el fin de que el profesorado enseñe a los estudiantes a desarrollar
habilidades de alfabetización en datos para que puedan ser ciudadanos informados y competentes en
la sociedad actual. (Martín González & Iglesias Rodríguez, 2023).
Una buena parte de las investigaciones revisadas, se orientan a ofrecer propuestas de
formación inicial y permanente en alfabetización de datos (Beck & Nunnaley, 2021), diseñando e
implementando intervenciones con las que poder analizar, al mismo tiempo, las percepciones de los
docentes sobre el impacto de estas propuestas formativas; y obtener una visión detallada de la forma
en la que los educadores desarrollan varios aspectos o componentes de esta alfabetización, como es
su capacidad para establecer un propósito, recoger, analizar e interpretar los datos. (Jacobs et al.,
2009; Kippers et al., 2017; Merka et al., 2020; Rafaghelli et al., 2020; Reeves & Honig, 2015).
La formación inicial del profesorado se considera que es un momento clave para la adquisición
de habilidades de alfabetización en datos que se consolidarán a lo largo de su formación permanente,
y en su práctica profesional (Miller-Bains et al., 2022). Se observan intervenciones breves, pero
intensivas (alrededor de seis horas), que adoptan diferentes formas, como, por ejemplo, los talleres y
los seminarios.
La descripción de propuestas diseñadas con este propósito es la finalidad de estudios como el
de Usova & Laws (2021), en el que dos bibliotecarios pusieron a prueba un nuevo curso sobre
alfabetización y visualización de datos, explicando exhaustivamente los objetivos de aprendizaje del
curso piloto, los temas tratados, el diseño, la estructura de las tareas y la impartición del curso.
Analizaron los comentarios recibidos sobre dicha formación y sugirieron formas de perfeccionar su
práctica. Se ha de reseñar también, la propuesta de D’Ignazio (2017) centrada en la denominada
Alfabetización creativa, cuya intencionalidad es la de proponer cinco técnicas para cultivar este tipo
de alfabetización para potenciar el empoderamiento. Esta autora señala que trabajar por una
alfabetización creativa de los datos no es sólo labor de los educadores, sino también de los creadores
de datos, los editores, diseñadores de herramientas y visualizaciones, autores de tutoriales, gobiernos,
organizadores de comunidades y artistas.
Otros estudios, en la misma línea de ofrecer acciones formativas, exploran distintas
intervenciones para desarrollar la alfabetización a la hora de manejar datos en la sociedad. Es el caso
de la investigación realizada por Raffaghelli (2020), en la que se analizan nueve iniciativas de Educación
Superior. En concreto, se estudia una serie de proyectos que tratan de construir una imagen más
amplia de las estrategias educativas necesarias para cultivar la alfabetización de datos, como un
catalizador de la justicia social. En esta línea también se han analizado los planes de estudios de algunas
facultades, como el de la Facultad de Negocios de la Universidad de Eastern Michigan, para determinar
qué cursos de posgrado y pregrado requieren alfabetización de datos para completar las tareas o
proyectos. El estudio realizado por Brodsky (2017) parte de la premisa de que el análisis de los planes
de estudio y de las tareas pueden revelar competencias de alfabetización de datos, tanto implícitas
Revista EDICIC, San José (Costa Rica), v.25, e-5525, p.1-17, 2025. ISSN: 2236-5753
Este documento tiene licencia bajo la Creative Commons Attribution 4.0 International.
como declaradas; pero también pone de relieve una serie de limitaciones como la falta de comprensión
y conocimiento sobre la alfabetización en datos.
Por otro lado, existen estudios centrados principalmente en la aproximación conceptual a la
alfabetización de datos, la tipología de estudios que se han venido realizando y las habilidades que se
desarrollan en las propuestas formativas. Un ejemplo lo constituye el trabajo efectuado por Raffaghelli
& Stewart (2020), que analiza 137 artículos a través de la clasificación por categorías relevantes y el
mapeo de palabras clave. La investigación desarrollada por Robertson & Tisdall (2020) explora el
significado que la ciudadanía concede a los datos, pero en este caso a través de la consulta directa a
niños y jóvenes, con el objetivo de profundizar en la comprensión existente por parte de este colectivo
sobre cómo se pueden usar los datos dentro de una comunidad, darles la oportunidad de expresar
ideas creativas en torno a cómo se podrían usar los datos de manera positiva y obtener información a
partir de sus intuiciones y expectativas. Y, por último, cabe reseñar el trabajo realizado por Vilar &
Zabukovec (2019) que investiga las diferencias entre las disciplinas científicas en Eslovenia en cuanto
a la alfabetización y gestión de datos de investigación para formular recomendaciones sobre cómo
avanzar a nivel institucional y nacional. Este estudio forma parte de una investigación más amplia,
orientada a obtener resultados que permitan hacer comparaciones internacionales y fundamentar las
decisiones sobre las políticas nacionales e institucionales en materia de alfabetización y gestión de
datos. De acuerdo con ello, se trató de averiguar los tipos y volúmenes de datos utilizados y
producidos, de qué fuentes proceden, las actitudes y experiencias con el almacenamiento de datos de
investigación, con la disponibilidad y apertura de los datos de investigación; así como las posibles
preocupaciones en relación con este tipo de datos.
A través del análisis de estos estudios se puede señalar que en la educación superior faltan
programas institucionales que conciencien y fomenten la formación e investigación en datos.
A continuación se muestran algunas iniciativas internacionales sobre alfabetización en datos
que se han localizado sobre las prácticas formativas universitarias, destacamos, principalmente, los
talleres de formación en línea sobre “Gestión de datos y principios FAIR” (University of Amsterdam);
“Competencias en materia de datos FAIR” (University of Minho); “Plan de Gestión de datos” (Unité
Régionale de Formation à l'Information Scientifique et Technique, URFIST-París); Diplomas de
especialización en “Alfabetización informacional y/o en datos” (Universidad de Valencia); Gestión de
datos, Ciencia de datos o Big Data” (Universidad de Navarra, Universidad Complutense de Madrid,
Universidad de Salamanca); o los cursos de posgrado sobre “Data Sciences MSc” (Newcastle
University); Másteres sobre “Ciencia de datos” (Universidad Oberta de Catalunya, Universidade do
Porto, Universidad Lusófona de Lisboa; Instituto Universitario de Lisboa, Université de Lille) o el Máster
in Data Science and Business Analytics (Universitâ de Bologna, University of Missouri).
En el Gráfico 1 se observa que entre el 20% y el 25%, los cursos se centran en prácticas
formativas que tratan de enseñar al alumnado contenidos sobre ciencia de los datos, análisis,
visualización y gestión de datos.
Revista EDICIC, San José (Costa Rica), v.25, e-5525, p.1-17, 2025. ISSN: 2236-5753
Este documento tiene licencia bajo la Creative Commons Attribution 4.0 International.
Gráfico 1: Porcentaje del contenido de las prácticas formativas
Fuente: Elaboración propia (2025).
En el Gráfico 2, podemos apreciar las diferencias que existen entre el tipo de formación y el
país en que se imparte. En España y Portugal la alfabetización en datos se imparte fundamentalmente,
a través de Diplomas de especialización o Títulos de experto; mientras que en Francia se plasma a
través de seminarios, cursos o talleres.
Otra oferta interesante por considerar son las prácticas formativas de cursos en línea tipo
MOOC, SPOC y NOOC que se utilizan con menor frecuencia para la formación en datos, solamente, en
el Reino Unido o los Webinar, seminarios web que se realizan a través de Internet en España y Portugal.
Gráfico 2: Relación entre práctica formativa y país
Fuente: Elaboración propia (2025).
Revista EDICIC, San José (Costa Rica), v.25, e-5525, p.1-17, 2025. ISSN: 2236-5753
Este documento tiene licencia bajo la Creative Commons Attribution 4.0 International.
3 PROCEDIMIENTOS METODOLÓGICOS
Tal como hemos indicado, el diseño de la propuesta formativa que presentamos en este
trabajo es el resultado de dos acciones previas, distintas pero complementarias.
En primer lugar, se identificó y analizó la oferta formativa en alfabetización en datos que
proporcionan las universidades. Para ello se efectuó una consulta en el buscador generalista Google
mediante las siguientes ecuaciones de búsqueda: “alfabetización en datos” AND “Universidad” y
“formación en datos AND “Universidad”, y en distintos idiomas (inglés, francés, italiano y portugués).
Asimismo, los resultados obtenidos se restringieron al periodo comprendido entre 2018 y 2022, y se
dio prioridad a los modelos y prácticas formativas basados en cursos (MOOC, webinar, Blog, etc.).
La muestra se compuso de 82 tipos de prácticas formativas procedentes de España, Brasil,
Estados Unidos, Francia, Italia, Reino Unido y Suiza. Para la recogida de datos se elaboró una ficha en
las que se sistematizó la siguiente información: país donde se ubica la universidad, denominación de
la actividad formativa (Título de experto, MOOC, Seminario, etc.), modalidad en la que se imparte
(presencial, online, etc.) coste de la formación, metodología utilizada (expositiva o interactiva);
contenidos de aprendizaje, colectivo al que se dirige (estudiantes de grado, posgrado o personal
docente e investigador) y duración de la instrucción.
Los resultados alcanzados nos permitieron obtener una panorámica realista de la capacitación
que, en el contexto universitario, nacional e internacional, se ofrece a la comunidad universitaria y que
facilita la adquisición de competencias y habilidades propias de la alfabetización en datos.
En segundo lugar, se realizó una encuesta que se remitió, entre los meses de septiembre y
octubre de 2023, a 17.952 profesores del ámbito científico social de toda España, obteniendo una tasa
de respuesta de 706 personas.
El cuestionario, compuesto por 22 preguntas organizadas en 4 dimensiones (Competencias en
alfabetización en datos; Formación en alfabetización en datos; Incorporación de los datos en su
práctica docente; Necesidades formativas en alfabetización en datos), fue diseñado para evaluar la
alfabetización en datos de los profesores universitarios pertenecientes al ámbito científico social. Su
propósito era identificar tanto su nivel de competencias como sus necesidades formativas en materia
de localización, selección, análisis, evaluación, gestión y difusión de datos.
Los resultados obtenidos nos proporcionaron una visión fidedigna del nivel de alfabetización
en datos que poseen los docentes universitarios en nuestro país, pero también de cuáles son sus
demandas más acuciantes en esta materia.
Teniendo, por tanto, en cuenta tanto la oferta como la demanda existente, en el contexto
universitario, de formación en datos diseñamos un curso virtual cuyos contenidos están orientados a
dar respuesta a las necesidades formativas del profesorado universitario español del ámbito de las
ciencias sociales, dotándolos de las competencias y conocimientos requeridos en materia de
alfabetización en datos.
Este curso se articula en torno a cinco módulos temáticos distintos, a la vez que facilita
diferentes materiales de apoyo y recursos de aprendizaje en acceso abierto, tales como píldoras
formativas, actividades prácticas y test de evaluación. En un futuro próximo estará disponible de forma
gratuita y online.
Revista EDICIC, San José (Costa Rica), v.25, e-5525, p.1-17, 2025. ISSN: 2236-5753
Este documento tiene licencia bajo la Creative Commons Attribution 4.0 International.
Seguidamente, nos centraremos en la presentación de esta acción formativa que constituye
un escenario diferente para dar una respuesta abierta y flexible a las necesidades del profesorado que
desee participar. Estas necesidades fueron identificadas a partir del diseño e implementación del ya
citado cuestionario dirigido a todos los docentes de las universidades españolas en el ámbito de las
ciencias sociales. Los resultados obtenidos a partir de este instrumento permitieron detectar las
principales necesidades formativas que estos docentes poseen en relación con la alfabetización en
datos para poder incorporarlos en su práctica docente.
Como resultado de estas carencias /debilidades se decidió por parte del grupo de
investigación, el diseño del curso ya mencionado, cuyo contenido se centra en fortalecer aquellas
temáticas en las que los docentes expresaron poseer menores competencias.
3.1 Objetivo General y Objetivos Específicos
El objetivo general que orientó el diseño de la acción formativa fue el de ofrecer al profesorado
universitario del área de conocimiento científico social una formación específica en diferentes
aspectos vinculados a la alfabetización en datos. Nos planteamos, de acuerdo con esta intencionalidad,
unos objetivos específicos dirigidos a: (a) Conocer e identificar los principales aspectos relacionados
con la protección de datos personales, académicos y de investigación. (b) Analizar el concepto de
confiabilidad y los criterios para la evaluación y selección de datos abiertos. (c) Conocer en qué consiste
la gestión de datos de investigación y diseñar un proceso de elaboración de un plan de gestión de
datos. (d) Analizar los principales requerimientos en la reutilización y citación de los datos. (d)
Identificar y poner en práctica los procesos implicados en la visualización y representación gráfica de
datos.
La realización del curso tiene una duración estimada de cinco semanas, distribuidas en los
cinco módulos con sus correspondientes actividades prácticas. Como ya hemos señalado en otro
momento, la modalidad es virtual para tener en cuenta la flexibilidad que exigen los tiempos y
responsabilidades de diferente índole de los profesores participantes. De este modo, cada uno
participará en el horario y momento más adecuados para realizar las actividades semanales.
Siguiendo las premisas de apertura y reutilización de la información que promueve la Ciencia
Abierta los contenidos de aprendizaje que proporciona el curso, así como las actividades propuestas
en cada módulo se encuentran disponibles en el repositorio generalista Zenodo
(https://doi.org/10.5281/zenodo.14891415) y en el repositorio de la Universidad de Salamanca,
Gredos (http://hdl.handle.net/10366/164855).
3.2 Contenidos y Temporalización
Se han elaborado una serie de contenidos cuyo desarrollo dé respuesta a los distintos objetivos
referidos anteriormente. Así, estos contenidos se estructuran en los cinco módulos a los que ya nos
hemos referido, y que pasamos a detallar a continuación:
Módulo 1. Protección de datos personales, académicos y de investigación. En el mismo se da
respuesta a preguntas tales como: ¿Qué es un dato personal?, ¿Cuáles son los derechos del ciudadano
en lo que respecta a la protección de datos y cómo se pueden ejercitar?, ¿Y qué ocurre con las garantías
de datos digitales?, ¿Cuáles son las autoridades de protección de datos personales en España?, ¿Cómo
se aplica el actual régimen jurídico de protección de datos de carácter personal en el ámbito docente
Revista EDICIC, San José (Costa Rica), v.25, e-5525, p.1-17, 2025. ISSN: 2236-5753
Este documento tiene licencia bajo la Creative Commons Attribution 4.0 International.
universitario?, ¿Qué entendemos por datos de investigación o datos científicos en abierto?, ¿Qué leyes
o normativas contemplan la regulación de los datos abiertos de investigación?, ¿Qué consideraciones
éticas debe contemplar la preservación de datos de investigación?, ¿Por qué es importante llevar a
cabo una descripción de los datos de investigación?, ¿En qué tipos de formatos documentales se
pueden materializar los datos de investigación?, ¿Qué acciones se pueden llevar a cabo para mejorar
la descripción y la visibilidad de los datos?. Y si ¿Existen formatos o esquemas de descripción de datos
específicos para datos de investigación?
El Módulo 2 aborda el tema de la confiabilidad en la evaluación y selección de los datos
abiertos, lo que supone acercarse a conceptos de interés como el dato, la información, las fake news,
la confiabilidad y la alfabetización en datos. Además, en este módulo se incluyen también contenidos
relativos a la búsqueda y selección de datos, los criterios para seleccionar y evaluar la calidad de los
datos, así como las recomendaciones y directrices generales y específicas para evaluar la calidad de
los datos abiertos. Por último, abordar en profundidad la temática del módulo supone tratar también
el acceso a los datos abiertos y datos de investigación (directorios y recolectores de datos, portales de
datos abiertos, repositorios de datos multidisciplinares y repositorios institucionales.
El módulo 3 trabaja la visualización y representación gráfica de datos, explicando de forma
muy clara en qué consiste dicha representación o visualización, así como la importancia y beneficios
de esta, las necesidades y características en un proceso de visualización, los tipos de visualizaciones,
los gráficos y la utilidad de estos; el tipo de software o plataformas de servicios generadores de
gráficos. También se abordan en este bloque las fases de creación de una visualización de datos, el
software o plataformas de servicios generadores de gráficos, los posibles errores que se han de evitar
y, por último, las bases de datos de imágenes y utilidades gráficas.
El módulo 4 trata la gestión de datos de investigación, incidiendo en las fases y principios FAIR,
y profundiza en la conceptualización, utilidad y necesidad de elaborar un Plan de Gestión de Datos;
además de profundizar en los requerimientos de las agencias de financiación relativos a la gestión de
datos.
Por último, el Módulo 5: La reutilización y citación de datos, profundiza en caracterizar la
reutilización de la información, conocer la normativa europea y estatal sobre reutilización, así como
en la reutilización de datos abiertos en el sector público y en el ámbito de la investigación; además de
en la citación de los datos.
3.3 Metodología y Materiales
La metodología, como ya se ha reiterado, será online. La intención es trabajar todo el curso en
la Plataforma Moodle de la Universidad de Salamanca (denominada STUDIUM), de modo que se
incluya en cada uno de los módulos en los que se ha estructurado el curso, distintos materiales
elaborados ad hoc por el grupo de investigación: a) Un documento en el que se encontrarán explicados
los principales contenidos de cada módulo, así como las referencias bibliográficas necesarias para la
ampliación y/o consulta. b) Una o varias píldoras formativas breves para cada módulo en las que se
presentarán los aspectos esenciales de la temática tratada con mayor profundidad en el documento.
Así, la píldora relativa a la protección de datos personales, académicos y de investigación tiene una
duración de 6 minutos y 58 segundos en los que se van abordando de modo más sucinto y, a la vez,
ilustrativo, los diversos temas abordados previamente en el documento explicativo.
Revista EDICIC, San José (Costa Rica), v.25, e-5525, p.1-17, 2025. ISSN: 2236-5753
Este documento tiene licencia bajo la Creative Commons Attribution 4.0 International.
Figura 1: Ejemplo de presentación de la píldora formativa sobre protección de datos personales,
académicos y de investigación
Fuente: Elaboración propia (2025).
En el caso del módulo en el que se aborda la temática de la confiabilidad de los datos se elaboró
una píldora con una duración de 7 minutos y cinco segundos en los que, nuevamente, se presentan los
contenidos con el mismo formato ya descrito.
Figura 2: Ejemplo de presentación de la píldora formativa sobre confiabilidad y selección de los
datos abiertos
Fuente: Elaboración propia (2025).
Revista EDICIC, San José (Costa Rica), v.25, e-5525, p.1-17, 2025. ISSN: 2236-5753
Este documento tiene licencia bajo la Creative Commons Attribution 4.0 International.
c) Distintos tipos de actividades en función del contenido tratado para reforzar su aprendizaje.
Presentamos seguidamente ejemplos de actividades diseñadas en los distintos módulos:
(a) Para asimilar el contenido relacionado con la protección de datos personales, académicos
y de investigación, y reflexionar sobre la protección de datos en distintos ámbitos, la actividad
propuesta, con una duración estimada de dos horas y media, fue la de responder brevemente a una
serie de cuestiones relacionadas con la protección de datos, a partir de la lectura de tres textos
facilitados previamente, en los que se abordaban temáticas como: 1. El examen de apps: los datos. 2.
Guía sobre privacidad y seguridad en Internet. 3. Los riesgos de investigar con datos personales. Dichas
preguntas fueron las siguientes: 1. ¿Cuáles pueden ser las principales causas de un posible ciberataque
que atente contra los datos personales, bien sea en su dispositivo móvil o en su ordenador? Le
sugerimos que enumere y describa tres causas. ¿Qué consecuencias puede traer consigo un
ciberataque de este tipo? Le animamos a que reflexione y explique dos de ellas. Considerando las
recomendaciones realizadas en la primera de las lecturas, así como en la guía sobre privacidad y
seguridad en Internet, ¿Qué consejos y recomendaciones proporcionaría a sus estudiantes para
proteger sus datos personales?, ¿Qué medidas adoptaría para proteger los principales datos
académicos y de investigación?, ¿Ha tenido situaciones de conflicto relacionadas con la protección de
datos científicos en el marco de una investigación? Puede hacer un somero relato de estas y de las
soluciones que encontró para resolverlas. En su opinión, ¿sobre quién debe recaer la responsabilidad
de gestionar y mantenerse al día de la normativa sobre protección de datos de investigación?
En función de su experiencia, ¿a qué instancias ha recurrido para plasmar el plan de protección
de datos al elaborar un proyecto de investigación?
(b) Otro ejemplo de actividades diferentes, en este caso diseñadas a partir del contenido del
módulo 3. Visualización de datos, es el de evaluar visualizaciones de datos planteando ejemplos de
diseño correctos e incorrectos. (Tiempo previsto: 20 minutos); así como la actividad de elaborar una
infografía con Piktochart. (Tiempo previsto: 1h / 1h30min).
Revista EDICIC, San José (Costa Rica), v.25, e-5525, p.1-17, 2025. ISSN: 2236-5753
Este documento tiene licencia bajo la Creative Commons Attribution 4.0 International.
Figura 3: Desarrollo de la actividad relacionada con el diseño de una infografía con Piktochart
Fuente: Elaboración propia (2025).
3.4 Evaluación
Todos los módulos se abrirán de forma conjunta, sin que haya que superar cada uno, para
seguir avanzando en el curso. Cada uno de ellos consta de una última parte de autoevaluación que
permitirá conocer el grado de adquisición de los conocimientos adquiridos en relación con los datos.
Así, a modo de ejemplo, la autoevaluación correspondiente al módulo 4 en el que se trata la gestión
de datos es realizada a través de una serie de preguntas que se le plantean al docente, en las que éste
responderá afirmativa o negativamente, según su consideración:
Revista EDICIC, San José (Costa Rica), v.25, e-5525, p.1-17, 2025. ISSN: 2236-5753
Este documento tiene licencia bajo la Creative Commons Attribution 4.0 International.
1. ¿He asignado roles y responsabilidades dentro del equipo de investigación para la gestión
de datos? (Sí/No)
2. ¿He identificado y organizado adecuadamente los datos que serán recopilados durante la
investigación? (Sí/No)
3. ¿He utilizado nombres breves y descriptivos para denominar las carpetas creadas?
(Sí/No)
4. ¿He establecido un sistema de versionado para los conjuntos de datos, facilitando su
seguimiento y actualización? (Sí/No)
5. ¿He descrito y documentado de manera detallada los datos, incluyendo su naturaleza,
formato y estructura? (Sí/No)
6. ¿He diseñado una estrategia sólida para el almacenamiento y la preservación a largo plazo
de los datos? (Sí/No)
7. ¿He realizado copias de seguridad periódicas de los datos, garantizando su seguridad y
disponibilidad en caso de pérdida o daño? (Sí/No)
8. ¿He considerado los aspectos éticos y legales relacionados con la recolección, uso y
divulgación de los datos? (Sí/No)
9. ¿He tenido en cuenta posibles formas de reutilización de los datos a la hora de seleccionar
los que se van a preservar? (Sí/No)
10. ¿He identificado los recursos técnicos, financieros y humanos necesarios para llevar a
cabo la gestión de los datos de manera efectiva? (Sí/No)
11. ¿He identificado el criterio/s a seguir para decidir el repositorio más adecuado para
compartir los datos? (Sí/No)
12. ¿He verificado y cumplido con los requisitos específicos de la agencia financiadora en
materia de gestión de datos, en caso de recibir financiación para la investigación? (Sí/No)
13. ¿He revisado y completado todos los metadatos y campos requeridos en la plantilla
DMPOnline? (Sí/No)
14. ¿He realizado una revisión final del Plan de Gestión de Datos para garantizar su
coherencia y adecuación a los objetivos de la investigación? (Sí/No)
15. ¿He incluido metadatos detallados para cada conjunto de datos, como descripción, autor,
fecha de creación, etc.? (Sí/No)
4 CONSIDERACIONES FINALES
El análisis de los distintos modelos y estrategias formativas recogidas tanto a nivel nacional
como internacional, propuestos por las distintas instituciones, fundamentalmente universidades, y las
respuestas aportadas por los propios docentes universitarios que participaron en la encuesta realizada
sobre el nivel de competencias y necesidades formativas en alfabetización en datos, nos permitieron
conocer el panorama general tanto de la oferta como de la demanda de formación en datos en el
ámbito universitario, lo que nos ayudó a tomar las decisiones adecuadas para diseñar nuestra propia
Revista EDICIC, San José (Costa Rica), v.25, e-5525, p.1-17, 2025. ISSN: 2236-5753
Este documento tiene licencia bajo la Creative Commons Attribution 4.0 International.
propuesta formativa; consecuencia de ello, se diseñaron una serie de materiales docentes que culminó
con la elaboración de un curso online en el que se integran diferentes materiales y recursos educativos
en abierto, orientados a fortalecer las competencias y habilidades en la búsqueda, análisis y
reutilización y difusión de datos abiertos y de investigación para los profesores universitarios del
contexto de las ciencias sociales.
La capacitación docente debe contemplar tanto la adquisición de habilidades prácticas como
la comprensión crítica de los datos en su relación con el proceso educativo.
La implementación efectiva de este tipo de escenarios puede tener un impacto significativo en
la calidad educativa, al empoderar a los docentes con las competencias necesarias para navegar y
aprovechar el mundo de los datos en beneficio del proceso de enseñanza-aprendizaje integrándolos
en su práctica docente.
Estos estudios sobre modelos formativos y prácticas docentes para la alfabetización en datos
son importantes para seguir mejorando en la comprensión, uso adecuado y reutilización de los datos.
Así se cumplen los principios de calidad FAIR exigidos a los datos de estar localizables, accesibles,
interoperables y reutilizables, para poder utilizarlos e interpretarlos de manera ética, crítica y efectiva.
De cara a acciones futuras relacionadas con este proyecto formativo, se prevé realizar una
evaluación del seguimiento y cumplimiento de esta actividad formativa por parte de los docentes. Esto
daría pie a comprobar no solo la eficacia e idoneidad de la herramienta sino hacer una
retroalimentación de cuáles son los perfiles más interesados, los temas más atractivos o los conceptos
más extendidos en cuanto a alfabetización en datos.
La evaluación se llevará a cabo mediante la recopilación de datos sobre el aprovechamiento
del curso online y del uso real de los materiales, tanto a través de la plataforma en el que estará
disponible como a través de los datos de descarga de los materiales docentes en los repositorios en
los que se han depositado.
5 REFERENCIAS
Beck, J.S., & Nunnaley, D. (2021). A continuum of data literacy for teaching. Studies in Educational
Evaluation, 69. https://doi.org/10.1016/j.stueduc.2020.100871
Brodsky, M. (2017). Understanding data literacy requirements for assignments: A business school
syllabus study. International Journal of Librarianship, 2(1), 3–15.
https://doi.org/10.23974/ijol.2017.vol2.1.25
Comisión Europea (2020). Comunicación de la Comisión al Parlamento Europeo, el Consejo, el Comité
Económico y Social y el Comité de las Regiones. Una Estrategia Europea de Datos. Bruselas,
19.2.2020 Com(2020) 66 final. https://eur-lex.europa.eu/legal-
content/ES/TXT/?uri=CELEX:52020DC0066.
Constantino, G.D., Raffaghelli, J.E., & Teijeiro, M. C. (2015). Profesión Académica Digital (Digital
Scholarship); transformaciones del trabajo académico enclave para redes sociales. En Virtual
Educa 2015 (pp. 1-15).
https://openaccess.uoc.edu/bitstream/10609/148017/1/cangulomuoz.pdf
Revista EDICIC, San José (Costa Rica), v.25, e-5525, p.1-17, 2025. ISSN: 2236-5753
Este documento tiene licencia bajo la Creative Commons Attribution 4.0 International.
D’Ignazio, C. (2017). Creative Data Literacy: Bridging the gap between the data-haves and data-have
nots. Information Design Journal, 23(1), 6–18. https://doi.org/10.1075/idj.23.1.03dig
DigComp 2.2: Marco de Competencias Digitales de la Ciudadanía (2022). Asociación Somos Digital.
https://somos-digital.org/wp- content/uploads/2022/04/digcomp2.2_castellano.pdf
Ebbeler, J.; Poortman, C.L., Schildkamp, K., & Pieters, J.M. (2017). The effects of data use intervention
on educators’ satisfaction and data literacy. Educational Assessment Evaluation, 29(1), 83-105.
DOI 10.1007/s11092-016-9251-z
European Commission (2025, July 10). European Education Area. Quality education and training for all.
Updating the European Digital Competence Framework.
https://education.ec.europa.eu/es/focus-topics/digital-education/action-plan/updating-the-
european-digital-competence-framework
Figueroa, P. L. (2024). Análisis de datos en educación: una necesidad docente potenciada con IA. Nos
cambiaron las preguntas. https://www.linkedin.com/pulse/an%C3%A1lisis-de-datos-en-
educaci%C3%B3n-una-necesidad-docente-con-figueroa-
2jgrf/?trackingId=esVAmFFsR5GSEA9fROyGpw%3D%3D
Gallego Lorenzo, J., Martín González, Y., & Iglesias Rodríguez, A. (2024). Calidad y uso de datos
confiables en la práctica docente universitaria. Ibersid: Revista de Sistemas de Información y
Documentación, 18 (2), 87-96. https://doi.org/10.54886/ibersid.v18i2.5019
Iglesias Rodríguez, A., Martín-González, Y., Travieso Rodríguez, C., Hernández Martín, A., Gallego
Lorenzo, J., & Toro Pascua, J. C. (2024). La alfabetización en datos en el contexto universitario de
las ciencias sociales (ALFADATAUniv_CCSS) (Versión 2) [Computer software]. Zenodo.
https://doi.org/10.5281/zenodo.14891415
Jacobs, J., Gregory, A., Hoppey, D., & Yendol-Hoppey, D. (2009). Data Literacy: Understanding
Teachers’ Data Use in a Context of Accountability and Response to Intervention. Action in Teacher
Education, 31(3), 41-55. DOI: 10.1080/01626620.2009.10463527
Kippers, W.B., Poortman, C.L., Schildkamp, K., & Visscher, A.J. (2017). Data literacy: What do educators
learn and struggle with during a data use intervention? Studies in Educational Evaluation, 56, 21-
31. https://doi.org/10.1016/j.stueduc.2017.11.001
Marco de Referencia de la Competencia Digital Docente (2022). Resolución de la Dirección General de
Evaluación y Cooperación Territorial del 2 de julio (BOE 13 de julio de 2020). https://intef.es/wp-
content/uploads/2022/03/MRCDD_V06B_GTTA.pdf
Martín González, Y., Iglesias Rodríguez, A. (2023). Alfabetización en datos: prácticas y escenarios
formativos. Revista EDICIC, 3(3). https://doi.org/10.62758/re.v3i3.202
Martín-González, Y., Gallego Lorenzo, J., & Iglesias-Rodríguez, A. (2023). Alfabetización en datos para
los docentes universitarios: necesidades formativas, escenarios didácticos y referencial de
competencias. En A. Cuevas Cerveró, J.J. Prieto Gutiérrez, & E. Simeão. (Coords.). Discurso de odio,
desinformación e inclusión digital (pp. 155-161). Trea.
Mandinach, E. B., & Gummer, E. S. (2016). Data literacy for educators: Making it count in teacher
preparation and practice. Teachers College Press.
Revista EDICIC, San José (Costa Rica), v.25, e-5525, p.1-17, 2025. ISSN: 2236-5753
Este documento tiene licencia bajo la Creative Commons Attribution 4.0 International.
Merka, S., Pointl, S., Wurster, S., & Böhl, T. (2020). Fostering aspects of pre-service teachers’ data
literacy: Results of a randomized controlled trial. Teaching and Teacher Education, 91.
https://doi.org/10.1016/j.tate.2020.103043
Miller-Bains, K., Cohen, J., & Wong, V.C. (2022). Developing data literacy: Investigating the effects of a
pre-service data use intervention. Teaching and Teacher Education, 109(1).
https://doi.org/10.1016/j.tate.2021.103569
Papamitsiou, Z., Filippakis, M. E., Poulou, M., Sampson, D., Ifenthaler, D. & Giannakos, M. (2021).
Towards an educational data literacy framework: enhancing the profiles of instructional designers
and e-tutors of online and blended courses with new competences. Smart Learning Environment
8(18). https://doi.org/10.1186/s40561-021-00163-w
Raffaghelli, J. E. (2020). Is data literacy a catalyst of social justice? A response from nine data literacy
initiatives in higher education. Education Sciences, 10(9), 233.
https://doi.org/10.3390/educsci10090233
Raffaghelli, J. E., & Stewart, B. (2020). Centering complexity in ‘educators’ data literacy’ to support
future practices in faculty development: A systematic review of the literature. Teaching in Higher
Education, 25(4), 435–455. https://doi.org/10.1080/13562517.2019.1696301
Raffaghelli, J.E., Manca, S., Stewart, B., Prinsloo, P., & Sangrà, A. (2020). Supporting the development
of critical data literacies in higher education: building blocks for fair data cultures in society.
International Journal of Educational Technology in Higher Education, 17, 58.
https://doi.org/10.1186/s41239-020-00235-w
Reeves, T.D., & Honig, S.L. (2015). A classroom data literacy intervention for preservice teachers.
Teaching and Teacher Education, 50, 90-101. http://dx.doi.org/10.1016/j.tate.2015.05.007
Robertson, J., & Tisdall, E. M. (2020). The importance of consulting children and young people about
data literacy. Journal of Media Literacy Education, 12(3), 58–74. https://doi.org/10.23860/JMLE-
2020-12-3-6
Usova, T., & Laws, R. (2021). Teaching a one-credit course on data literacy and data visualization.
Journal of information Literacy, 15(1), 84-95. https://doi.org/10.11645/15.1.2840
Vilar, P., & Zabukovec, V. (2019). Research data management and research data literacy in Slovenian
science. Journal of Documentation, 75(1), 24–43. https://doi.org/10.1108/JD-03-2018-0042
