EDUCATIONAL DATA MINING (EDM) PARA LA DETERMINACIÓN DE COMPORTAMIENTOS EN ESTUDIANTES DE INGENIERÍA DEL MODELO UDE@

Autores/as

  • Adrián Montoya Lince
  • Jesús Francisco Vargas Bonilla
  • Lyda Yaneth Contreras Olivares

DOI:

https://doi.org/10.26507/ponencia.1039

Palabras clave:

EDM, TIC, LMS, moodle, clustering

Resumen

La era del conocimiento, la ciencia y la incorporación de las tecnologías de la información y las comunicaciones (TIC) dentro de la sociedad, han transformado los esquemas de producción de contenidos, almacenamiento y disposición de la información y, por tanto, los conceptos de enseñanza y aprendizaje.

El Ministerio de Educación Nacional ha promovido políticas, como el Plan Decenal de Educación (2006-2016), para resaltar la necesidad de establecer compromisos con el fin de promover, desarrollar y fomentar el uso de las TIC en el entorno educativo, contribuyendo al fortalecimiento de la capacidad de innovación en la educación colombiana.

En este sentido, la Unidad de Virtualidad Ude@ de la Universidad de Antioquia ofrece programas de pregrado virtuales en ingeniería bajo un modelo educativo centrado en el estudiante, donde el docente-tutor lo acompaña y estimula al análisis y la reflexión conjunta para aprender, reconocer la realidad y reconstruirla, teniendo presente el logro de los objetivos propuestos. Para que esto suceda, es primordial la interacción continua y la comunicación sincrónica y asincrónica entre docentes-tutores, compañeros (pares) y monitores, así como el uso interactivo del amplio abanico de recursos y ayudas educativas que se ponen a su disposición, a través de la plataforma LMS-Moodle y WizIQ.

Alineados con esta metodología, los sistemas de enseñanza virtual han empezado a aplicar técnicas de minería de datos como herramienta para mejorar el aprendizaje de los estudiantes. Desde un punto de vista tecnológico, la educación virtual exige de los servidores que soportan las plataformas de contenido (LMS y LCMS) robustez y mayor capacidad de almacenamiento, permitiendo así el resguardo de todas las interacciones y modificaciones que se realicen en la plataforma. Esta información es valiosa para las instituciones ya que al ser analizada, podría ayudar a mejorar aspectos de esta modalidad de estudio, tanto en diseño y contenido de la plataforma virtual, como el acceso de los estudiantes, buscando favorecer los métodos de estudio y, en consecuencia, el rendimiento en los cursos.

En este trabajo se describe la experiencia de la aplicación de técnicas de EDM (clustering) a un curso disponible en la plataforma Ude@ de la Universidad de Antioquia. El objetivo es clasificar los patrones de interacción de los estudiantes a partir de la información almacenada en la base de datos de Moodle. Para ello, se generan informes automatizados que permiten analizar el comportamiento (patrones de navegación) de los estudiantes durante el uso de las plataformas LMS. A partir de los resultados obtenidos, es posible realizar recomendaciones a los estudiantes que permitirán mejorar sus procesos de aprendizaje, con metodologías efectivas que ayuden a alcanzar los objetivos de formación de cada curso. Al mismo tiempo, será posible medir y aumentar la efectividad en los contenidos, la estructura del curso y su usabilidad. Esto permitirá establecer una realimentación del proceso de enseñanza-aprendizaje con todos los actores involucrados en ella.

Descargas

Los datos de descargas todavía no están disponibles.

Descargas

Publicado

27-07-2015

Cómo citar

[1]
A. . Montoya Lince, J. F. Vargas Bonilla, y L. Y. Contreras Olivares, «EDUCATIONAL DATA MINING (EDM) PARA LA DETERMINACIÓN DE COMPORTAMIENTOS EN ESTUDIANTES DE INGENIERÍA DEL MODELO UDE@», EIEI ACOFI, jul. 2015.

Evento

Sección

Prospectiva en la enseñanza de la ingeniería
Estadísticas de artículo
Vistas de resúmenes
Vistas de PDF
Descargas de PDF
Vistas de HTML
Otras vistas
QR Code
Crossref Cited-by logo