In the last ten years, it was observed that the continuous upgrades in mobile device’s technology have increased and demonstrated their great potential in various learning environments. Besides, it has motivated researchers to apply more innovative computational techniques regarding context-aware and a set of variables that have been used at different virtual learning proposals. This paper presents a Systematic Mapping Review that focuses on context-aware analysis and its approach to learning processes in mobile learning (m-learning) and ubiquitous learning (u-learning). Furthermore, the study identifies variables that have been used in the past decade for context-awareness analytics and that have been applied to those learning processes. Especially at systems’ adaptations to learning styles and student-specific characteristics. A methodological process was applied to address problems through identification, critical evaluation, and integration of the most relevant works, where high-quality individual studies address one or several research questions. Results show that external variables, including location, time, and software, are the most used variables in the context-aware analysis, with 52.25% prevalence in research papers. Internal variables, including personal information, learning styles, and teaching styles, had a prevalence of 33.33%; variables less frequently used in the research included socioeconomic information and emotional content. The remaining 14.41% represents academic activities. These findings provide a basis for future research and development in the field of m-learning.

在过去的十年中，观察到移动设备技术的不断升级已经增加并显示了其在各种学习环境中的巨大潜力。此外，它激励研究人员应用更多创新的计算技术，以用于上下文感知和已在不同虚拟学习建议中使用的一组变量。本文提出了一个系统映射评论，重点是上下文感知分析及其在移动学习（m学习）和普适性学习（u学习）中学习过程的方法。此外，该研究还确定了过去十年中用于上下文意识分析的变量，这些变量已应用于这些学习过程。特别是在系统适应学习风格和特定于学生的特征时。通过鉴定，批判性评估和整合最相关的作品，采用了一种方法论过程来解决问题，其中高质量的个人研究解决了一个或几个研究问题。结果表明，外部变量（包括位置，时间和软件）是上下文感知分析中使用最多的变量，研究论文中的流行率为52.25％。内部变量，包括个人信息，学习方式和教学方式，占33.33％；研究中较少使用的变量包括社会经济信息和情感含量。其余的14.41％为学术活动。这些发现为未来移动学习领域的研究和开发提供了基础。并整合最相关的作品，其中高质量的个人研究解决一个或几个研究问题。结果表明，外部变量（包括位置，时间和软件）是上下文感知分析中使用最多的变量，研究论文中的流行率为52.25％。内部变量，包括个人信息，学习方式和教学方式，占33.33％；研究中较少使用的变量包括社会经济信息和情感含量。其余的14.41％为学术活动。这些发现为未来移动学习领域的研究和开发提供了基础。并整合最相关的作品，其中高质量的个人研究解决一个或几个研究问题。结果表明，外部变量（包括位置，时间和软件）是上下文感知分析中使用最多的变量，研究论文中的流行率为52.25％。内部变量，包括个人信息，学习方式和教学方式，占33.33％；研究中较少使用的变量包括社会经济信息和情感含量。其余的14.41％为学术活动。这些发现为未来移动学习领域的研究和开发提供了基础。时间和软件是上下文感知分析中使用最多的变量，在研究论文中患病率高达52.25％。内部变量，包括个人信息，学习方式和教学方式，占33.33％；研究中较少使用的变量包括社会经济信息和情感含量。其余的14.41％为学术活动。这些发现为未来移动学习领域的研究和开发提供了基础。时间和软件是上下文感知分析中使用最多的变量，在研究论文中患病率高达52.25％。内部变量，包括个人信息，学习方式和教学方式，占33.33％；研究中较少使用的变量包括社会经济信息和情感含量。其余的14.41％为学术活动。这些发现为未来移动学习领域的研究和开发提供了基础。41％代表学术活动。这些发现为未来移动学习领域的研究和开发提供了基础。41％代表学术活动。这些发现为未来移动学习领域的研究和开发提供了基础。