Bigdata aplicada a Entornos Formativos. La evolución de la Minería de Datos Educativa aplicada a Inteligencias Múltiples”. Existe una rama de la Minería de Datos, denominada Minería de Datos Educativos (EDM), que describe un campo de investigación de aprendizaje automático y estadísticas sobre la información generada por los centros educativos (por ejemplo, las universidades y los sistemas inteligentes de tutorías). A grandes rasgos, esta especialidad busca desarrollar métodos para la exploración de estos datos, que a menudo tienen múltiples niveles de jerarquía significativas, con el fin de descubrir nuevos conocimientos acerca de cómo aprenden las personas en el contexto de sus actividades.[1] .De este modo, EDM ha contribuido a las teorías del aprendizaje en psicología de la educación y en las ciencias del aprendizaje.[2] Esta disciplina está estrechamente ligada a la de la analítica de aprendizaje, y se ha investigado de manera clara las relaciones entre ambos mundos.[3] EDM se refiere a las técnicas, las herramientas y las investigaciones diseñadas para la extracción automática de conocimiento a partir de grandes repositorios de datos generados o relacionados con las actividades de aprendizaje de las personas en entornos educativos. Por otro lado, la cantidad de datos en distintos formatos (bases de datos, texto, multimedia, audio…) alrededor de los alumnos, tutores, recursos educativos y perfiles neuropsicológicos es cada vez más ingente y difícil de integrara, aunar y gestionar. Por ello, técnicas avanzadas de extracción del conocimiento relevante sobre ingentes volúmenes de datos, para la aplicación del mismo sobre la personalización de contenidos y acciones sobre los binomios tutor-alumno, es un paso natural en la estrategia de mejora educativa moderna. La idea general es dotar al educador, en base a ciertas entradas de diferentes sistemas, de un sistema automático que sea capaz de clasificar el “estado” concreto en el que se encuentra cada uno de los alumnos, en base a un posicionamiento de los mismos dentro de cada uno de los mapas de las diferentes “inteligencias”, de forma que se “triangula” al alumno de forma desasistida, en base a valoraciones, situación formativa, “inputs” objetivos y subjetivos relacionados al alumno, contenidos asignados, evaluación de los mismos, etc… en un “estado” determinado. Y a partir de este estado, y en base, por un lado, a la introducción del conocimiento de los educadores en ciertas guías formativas que se deben aplicar en cada “estadio”, dentro de un sistema experto inteligente, y por otro lado, a la interpolación automática de los modelos de análisis sobre como han evolucionado alumnos similares en situaciones o estadios similares en el pasado, dónde se les aplicaron las mismas o distintas rutas formativas, seleccionar la mejor decisión a aplicar a la personalización de acciones a proponer a cada alumno, como herramienta d