Este documento describe cómo la plataforma de aprendizaje Khan Academy transforma grandes cantidades de datos crudos de usuarios en información inteligente a través del procesamiento de datos. Se detalla cómo la extensión de análisis de Khan Academy genera informes que proporcionan información sobre el progreso de los estudiantes, su uso de la plataforma, sus hábitos de resolución de ejercicios y más. El objetivo final es inferir comportamientos que permitan mejorar el aprendizaje y la experiencia del usuario.
2022_11_11 «The promise and challenges of Multimodal Learning Analytics»
De datos en crudo a información en e-Learning
1. De datos en crudo a
información inteligente en
sistemas de e-Learning: un
caso de estudio con la
plataforma de Khan Academy
Pedro J. Muñoz-Merino
pedmume@it.uc3m.es
Universidad Carlos III de Madrid
2. Sobrecarga de datos
Imagen tomada de http://www.datadial.net/blog/index.php/2011/08/24/why-your-website-isnt-as-fast-as-it-should-be/
2
16. Extensión de analítica de
Khan Academy
Progreso
Uso total de la
adecuado en la
plataforma
plataforma
Distribución Hábitos en
temporal de la
Tipo de resolución
la utilización
jugador de
de la
plataforma ejercicios
16
17. Extensión de KA: Progreso
adecuado en la plataforma
● ¿Van los alumnos bien preparados para abordar
las clases presenciales?
― Peso de temáticas, videos y ejercicios
― Ver suficientemente los videos
― Resolución correcta de los ejercicios
Se hace al menos 1 ejercicio bien en la temática
Se obtiene la proficiency
Estados intermedios
Depende de la semántica de cada ejercicio (por ejemplo si
todos son ejercicios paramétricos)
17
19. Extensión de KA: Uso total
en la plataforma
● Los que no han conseguido el aprovechamiento,
¿Es porque no han utilizado nada la plataforma o
se han esforzado?
― Peso de temáticas, videos y ejercicios
― Uso de videos. Porcentaje que se ha visto
― Uso de ejercicios. Tiempo invertido, número de
intentos, etc.
19
20. Extensión de KA:
Gamificación
● ¿Los alumnos
resuelven
ejercicios
motivados por
los elementos
de
gamificación?
Imagen tomada de http://myengaming.com/2012/05/13/gamification-insights-and-emerging-trends-2/
20
21. Extensión de KA:
Constancia
● ¿Los alumnos
son constantes
durante su
aprendizaje a lo
largo de los
días?
21
22. Extensión de KA: Modo de
resolución de ejercicios
Acceso a un ejercicio
¿Ha resuelto Sí
Comportamiento correcto
correctamente?
No
¿Ha visto videos No Incrementar “evitador de
relacionados? videos” (depende número y
tipo de videos y tiempo)
¿Ha realizado No
Incrementar “evitador de
ejercicios previos?
ejercicios previos”
No Incrementar “evitador de
¿Ha pedido pistas?
pistas”
¿Ha invertido No Incrementar “no reflexivo”
suficiente tiempo? (depende del tiempo invertido)
Sí
Comportamiento correcto
22
23. Conclusiones
Datos de Información
bajo nivel Transformación
de alto nivel
mediante procesamiento Visualizador
de datos
Recomendador
Actuador
● Determinar en cada entorno qué se puede inferir
― Limitaciones
● Mejor manera de inferir información
― Incertidumbre de las predicciones: precisión
● Retos de visualización, recomendación, etc.
● Generalización a otros ámbitos
23
24. De datos en crudo a
información inteligente en
sistemas de e-Learning: un
caso de estudio con la
plataforma de Khan Academy
Pedro J. Muñoz-Merino
pedmume@it.uc3m.es
Universidad Carlos III de Madrid