Presentación sobre Analítica del Aprendizaje realizada en las Conferencias Chilenas de Tecnologías del Aprendizaje 2015

1. Analítica del Aprendizaje
Xavier Ochoa
Escuela Superior Politécnica del Litoral
(ESPOL)

2. http://www.slideshare.net/xaoch

3. Grupo de Investigación en
Tecnologías para la Enseñanza y el Aprendizaje
• El material adecuado en el momento adecuado.
• Medir el proceso de aprendizaje.
• Muchos tutores por estudiante.

4. Los datos son valiosos…

5. Los datos revelan:
• Nuestros sentimientos
• Nuestras actitudes
• Nuestas conexiones sociales
• Nuestras intenciones
• Lo que hicimos
• Lo que hacemos
• Lo que haremos

9. Los datos son valiosos…
Si les podemos dar sentido

10. Sensemaking
“Sensemaking is a motivated, continuous effort
to understand connections . . . in order to
anticipate their trajectories and act effectively”
(Klein et al. 2006)

11. Analítica

12. Inteligencia de Negocio

13. BI
• Prediction

19. Otros campos

20. E-Ciencia

22. Que pasa en Educación
¿Cómo va tu curso?
¿Están tus estudiantes aprendiendo?
¿Funcionan tus estrategias?
¿Porqué los alumnos se retiran?
¿En que invertir los fondos?
¿Como van nuestros profesores?
¿Estoy estudiando suficiente?
¿Que hago para mejorar?
¿Donde estoy fallando?

24. Siemens, George, and Phil Long. "Penetrating the fog: Analytics in learning
and education." Educause Review 46.5 (2011): 30-32.

25. Analítica
del
Aprendizaje
Business
Intelligence
Big Data
EDM
Métodos
Estadísticos
Tutores
Inteligentes
Personalización
Aprendizaje
Adaptativo
Raices de la Analítica del Aprendizaje

33. CASOS Y EJEMPLOS

34. “Colleges Mine Data to
Predict Dropouts”
“At the University System of
Georgia, researchers monitored
how frequently students viewed
discussion posts and content pages
on course Web sites for three
different courses to find
connections between online
engagement and academic
success. In the graph below,
students who were "successful"
received an A, B, or C in the class,
and students who were
"unsuccessful" received a D, F,
or an incomplete.”
- 5/30/08 Chronicle of Higher Ed.

36. http://www.itap.purdue.edu/studio/signals/

37. http://www.itap.purdue.edu/studio/signals/

38. http://www.itap.purdue.edu/studio/signals/

39. http://jlsantoso.blogspot.com/

40. Cohere
• Annotations or
discussion as a
network of
rhetorical moves
• Users must reflect
on, and make
explicit, the nature
of their contribution
Simon Buckingham Shum, Anna De Liddo

41. Open Mentor
Analyse, visualise and compare quality of feedback
Denise Whitelock

44. EJEMPLO DE
ANALÍTICA ACADEMICA

46. Estimación de la Dificultad
¿Cúan difícil es un curso?

47. GPA vs. Calificación en el Curso
Calificación > GPA
Calificación < GPA
0
Calificación = GPA
Tres escenarios:
Diferencias entre el
GPA y la calificación en el
curso
> 0< 0

48. Ejemplos Reales

49. Tres métricas de estimación

50. Cursos Difíciles (Top 10)
Percibido Estimado
Algorithms Analysis
Operating Systems
Physics A
Differential Equations
Linear Algebra
Programming Fundamentals
Object-Oriented Programming
Differential Calculus
Data Structures
Statistics
Operating Systems
Statistics
Differential Equations
Linear Algebra
Programming Languages
Electrical Networks I
Artificial Intelligence
Programming Fundamentals
Data Structures
Hardware Architecture and Organization

51. Percepción != Estimación
¿Que hace a un curso difícil?

52. Coherencia del Programa
Como los cursos se agrupan juntos

53. CORE - CS CURRICULUM
Basic Physics
Integral Calculus
Multivariate Calculus
Electrical Networks
Digital Systems I
Hardware Architectures
Operative Systems
General Chemistry
Programming
Fundamentals
Object-oriented
Programming
Data Structures
Programming
Languages
Database Systems I
Software Engineering I
Software Engineering II
Oral and Written
Communication Techniques
Computing and Society
Discrete Mathematics
Algorithms Analysis
Human-computer
Interaction
Differential Calculus
Linear Algebra
Differential Equations
Ecology and
Environmental Education
Statistics
Economic Engineering I
Artificial Intelligence
PROFESSIONAL TRAINING HUMANITIES BASIC SCIENCE

54. Técnica
Exploratory Factor
Analysis
(EFA)

55. 55

56. Estructura Subyacente
Electrical
Networks
Differential
Equations
Software Engineering II
Software Engineering I
HCI
Oral and Written
Communication Techniques
General Chemistry
Programming
Languages
Object-Oriented
Programming
Data Structures
Artificial Intelligence
Operative Systems
Software Engineering
Object-Oriented Programming
Economic Engineering
Hardware Architectures
Database Systems
Digital Systems I
HCI
Differential and Integral Calculus
Linear Algebra
Multivariate Calculus
Digital Systems I
Basic Physics
Programming Fundamentals
Discrete Mathematics
General Chemistry
Statistics
Data Structures
Computing and Society
Algorithms Analysis
Differential Equations
Ecology and Environmental Education
Object-Oriented Programming
FACTOR 1: Ciencias Básicas
FACTOR 2: CS Avanzado
FACTOR 3:
Interacción con el
Cliente
FACTOR 4:
Programación
FACTOR 5: El factor ?

57. La agrupación no es como
esperábamos
¿Qué hacer con las materias que no se agrupan?

58. Caminos de Falla
Que cursos llevan a los estudiantes a
retirarse

59. Reprobación y Deserción
Tiempo
(semestres)
0
1
2
3
4
Deserción
Todos comienzas felices, pero…

60. Técnica
Sequence Mining
(Sequential PAttern Discovery using
Equivalence classes - SPADE)

61. Caminos de Falla
Sequence Support
<Physics A, Dropout> 0.608196721
<Differential Calculus , Dropout> 0.570491803
<Programming Fundamentals , Dropout> 0.532786885
<Integral Calculus , Dropout> 0.496721311
<Physics A, Differential Calculus , Dropout> 0.43442623
<Linear Algebra , Dropout> 0.432786885
<Differential Calculus, Integral Calculus , Dropout> 0.385245902
<Physics C , Dropout> 0.347540984
<Physics A, Integral Calculus , Dropout> 0.327868852
<General Chemistry , Dropout> 0.319672131
<Differential Equations , Dropout> 0.31147541

62. Deserción en Cursos de Ciencia
¿Deberían empezar con CS?
¿Mucha presión en cursos de ciencias?

63. Gráfico Carga/Desempeño
Lo que los estudiantes creen poder
vs.
lo que realmente pueden

65. Técnica
Simple Visualisation:
Density Plot of
Difficulty taken vs. Difficulty approved
Visual Flow

66. Gráfico Carga/Desempeño

67. Gráfico Carga/Desempeño

68. Gráfico Carga/Desempeño

69. Carga Recomendada Irreal
¿Como presentar el programa de mejor manera?
¿Cómo recomendar a los estudiantes su carga
adecuada?

70. EJEMPLO DE
ANALÍTICA DE APRENDIZAJE

72. Math Data Corpus

73. Video: Uso de la Calculadora
was
on
hat
ved
in-
and
ing
by
ent
was
core
ven
iffi-
on,
ex-
ath
t et
formations capabilities provided by OpenCV. While there
were some frames in which this matching was not possible
due to object occlusions or changes in the illumination of
the calculator, in general the described detection technique
was robust and provided useful position and direction data.
Figur e 1: D et er m inat ion of which st udent is using

74. Video: Distancia de la Cabeza al Centro
de la Mesa
lem
d to
cu-
par-
spe-
d as
pre-
ode-
ant
mall
ndi-
here
ned
de-
ary
ude,
re-
om
and then, the average of these distances is obtained by prob-
lem (see Figure 3). Additionally, the variance of the average
distance head to table (SD-DHT), was calculated to deter-
mine if a participant remains mostly static or varies his or
her distance to the table.
Figure 3: Calculat ion of t he dist ance of t he st udent ’s

75. Audio: Cantidad de veces que dicen
números o términos matemáticos

76. Pluma Digital: Características del Trazo

77. Resultado
• Tres Caracteristicas:
– Escritor más rápido (Digital Pen)
– Porcentaje del Uso de la Calculadora (Video)
– Número de Veces en se mencionan Números
(Audio)
• Pueden predecir quien es el experto 80% del
tiempo
• Puden predecir quien resolverá el problema
correctamente 60% del tiempo

78. CONCLUSIONES

79. Analítica del Aprendizaje
• Ya está aquí y está teniendo resultados. ¿Ud.
la usa en su institución?
• No resuelve los problemas, solo inicia las
discusiones para resolverlos
• Necesita una nueva especie de profesional: El
científico de datos educativos

80. QUÉ HACER PARA UNIRSE

81. http://www.solaresearch.org/

82. Comunidad Latinoamericana de
Tecnologías y Objetos de
Aprendizaje
www.laclo.org
http://ic.ufal.br/evento/cbie_laclo2015

83. http://lak16.solaresearch.org/

84. http://www.sigmla.org/mla2015

85. Gracias
Xavier Ochoa
xavier@cti.espol.edu.ec
http://ariadne.cti.espol.edu.ec/xavier
Twitter: @xaoch