Los datos obtenidos en las analíticas para la toma automatizada de decisiones o aquellos en los que se hace una comparación para predecir posibles situaciones,  pueden ser:  imágenes, sonidos, texto escrito, redes, posiciones de un gps, tablas o cualquier representación que se estime oportuna, puesto que en  las evidencias pueden  converger las muestras de varios docentes o especialistas, incluso de las familias, fruto de la colaboración de las instituciones educativas con éstas. O aquellos patrones definidos por máquinas o aplicaciones que trabajan con inteligencia artificial los cuáles definirán de forma automática una situación determinada al introducir los datos que tengamos.

Los ejemplos de sesgo algorítmico adquirido a través de los datos son variados y muchas veces tienen que ver con bases de datos formuladas a través de aplicaciones creadas con I A  que no representan en realidad al conjunto de la población. En el caso de la toma automatizada de decisiones, la base de datos o el programa que se haya aplicado para obtener la decisión puede no haber sido entrenada para tener en cuenta variables como: el nivel socioeconómico del alumnado, el absentismo del alumno o alumna por enfermedad, las preferencias o motivaciones del alumnado ante una tarea o materia, distinción entre participación en los procesos de aprendizaje y pruebas de evaluación, etc. 

Aunque no debería ser así, aún hay instituciones educativas que propician sesgos de género al hacer un tratamiento distinto ente chicos y chicas en determinados ámbitos.

En caso de decisiones que tuvieran que ver con el rendimiento de una materia, el horario de distribución de dicha materia a lo largo de la semana también podría contener un sesgo que condicione los resultados (si la materia se imparte a primera hora o, por el contrario, es en las últimas sesiones cuando tiene lugar la actividad lectiva de los contenidos) para el análisis de distintos grupos que cursan la misma materia.