Este documento describe el análisis del aprendizaje y cómo puede usarse para mejorar la comprensión y optimización del aprendizaje de los estudiantes. Explica que el análisis académico es más amplio que el análisis del aprendizaje y utiliza los datos generados por una universidad. También describe los cinco pasos del análisis del aprendizaje, incluida la medición, recopilación, análisis e interpretación de datos sobre estudiantes para comprender mejor su aprendizaje. Finalmente, discute cómo el

1. 42°33'0.79"N
Ponferrada
6°34'55.01"O
130711 045356325--Fernando Santamaría
346356733--Concepción F. Abraira
Dept. Matemáticas / unileon
Universidad de León
Análisis del aprendizaje
Práctica emergente para un diseño instruccional en un mundo
de datos interconectados

2. Complementarios
Unidades mínimas:
datos e interacciones
Análisis Académico Análisis del aprendizaje
Fotos en Istockphoto

3. Análisis
Académico
Es un concepto más amplio que
Learning Analytics.
Tiene su cometido en las propias
estructuras de datos generados por
una universidad y sus agentes. Sirven
entre otras cuestiones para mejorar
la toma de decisiones y
elaboración de informes.

4. Cinco pasos del Análisis

5. Gráfico de David T. Jones

6. Learning Analytics

7. Ciclo del aprendizaje

8. Learning
Analytics
LA consiste en la medición,
recopilación, análisis (SNA) y
presentación de datos
inteligentes sobre estudiantes
y sus contextos para una mejor
comprensión y optimización
del aprendizaje en los entornos
en los que se produce.
Cambio en los procesos evaluativos del aprendizaje

9. Pirámide analítica

10. Procesos de LA
Adaptación de G. Siemens (2010)

11. • Social Network Analysis /
Organizational Network Analysis.
• Análisis del comportamiento
confiable. La manera de propagar
información.
• Impacto de las interacciones.
• Medidas de pasividad e influencia.
• Análisis de contenido.
• Predicciones.
• Adaptación y personalización.
• Para posibles intervenciones
educativas.
Métodos para el análisis

12. Buscando patrones

13. • Identificar estudiantes desconectados o lurkers
• Identificar estudiantes con dificultades para hacer una
intervención antes del proceso final de evaluación.
• Identificar los nodos fuertes. Centralidad y muchas
interacciones. Mundos pequeños como aula.
• El posible análisis de centralidad, relaciones,
composiciones, rangos, densidades, distancia y
cliques/homofilias o clusters.
• Proporcionar una instantánea de las interacciones
en un “antes y un después” ante cambios de diseño.
• Para procesos de autoevaluación del mismo
estudiante.
Buscando patrones

14. SNAPP (Social Networks Adapting Pedagogical Practice)
Aplicaciones analíticas

15. Conclusiones
• Es una de las piezas que le faltaba al “Networked Learning”.
• La integración y aceptación va muy rápido. Se tendrán
aplicaciones integradas para la web que produce interacciones y para los
LMS como Moodle, WebCT, etc.
•Se puede aplicar a un amplio espectro de la educación como
vimos, desde proyectos amplios y académicos en un campus hasta
procesos individuales de un estudiante.
•Puede ser una buena herramienta para autogestionar el propio
aprendizaje de un estudiante. Produciendo feedback sobre sus
procesos de aprendizaje.
• Para una mejor hibridación de datos: accesibles y abiertos.

16. Gracias
por
escucharme
http://fernanadosantamaria.com/blog
http://concepcionabraira.info
Twitter: lernys y chiti
http://slideshare.net/lernys
Audiencia
Intelligent Data
Colección de datos
Intervenciones Análisis
Mineríá de datos