Detección precoz de dificultades en el aprendizaje. Herramienta para la predicción del rendimiento de los estudiantes
Carlos J. Villagrá-Arnedo, Francisco J. Gallego-Durán, Faraón Llorens-Largo, Patricia Compañ-Rosique, Rosana Satorre-Cuerda, Rafael Molina-Carmona
Departamento de Ciencia de la Computación e Inteligencia Artificial
Universidad de Alicante
III Congreso Internacional sobre Aprendizaje, Innovación y Competitividad (CINAIC 2015)
Madrid, 14-16 de Octubre de 2015
http://www.cinaic.com
Seminario eMadrid sobre "Aprendizaje de la programación en diversos niveles e...eMadrid network
Seminario eMadrid sobre "Aprendizaje de la programación en diversos niveles educativos". Ángel Velázquez Iturbide, URJC, Aprendizaje de algoritmos: herramientas informáticas y dificultades de los alumnos. 2016-01-22
Seminario eMadrid sobre "Aprendizaje de la programación en diversos niveles e...eMadrid network
Seminario eMadrid sobre "Aprendizaje de la programación en diversos niveles educativos". Ángel Velázquez Iturbide, URJC, Aprendizaje de algoritmos: herramientas informáticas y dificultades de los alumnos. 2016-01-22
Modelo de Gestion de Calidad en eLeaningf.cabrera1
Esta es la presentacion que ha acompañado mi presentacion de Tesis de la Maestria en Gerencia Educativa. Es un modelo para un sistema de gestion de educacion en programas academicos que incluyen eLearning como herramienta.
Modelo de Gestion de Calidad en eLeaningf.cabrera1
Esta es la presentacion que ha acompañado mi presentacion de Tesis de la Maestria en Gerencia Educativa. Es un modelo para un sistema de gestion de educacion en programas academicos que incluyen eLearning como herramienta.
Medir para Entender y Mejorar: la Analítica del Aprendizaje como nuevo paradi...Xavier Ochoa
Keynote en LACLO 2016. La Analítica del Aprendizaje es una nueva herramienta que promete revolucionar las ciencias y tecnologías educativas. Nacidad de la intersección de la Ciencias de Datos, Computacionales y Educativas, la Analítica del Aprendizaje permite obtener una mejor imagen de lo que sucede durante el proceso de enseñanza - aprendizaje. Pero más allá de simplmente mejorar nuestra comprensión del proceso, la retroalimentación oportuna a los humanos involucrados (estudiantes, profesores y administradores educativos) hace que la Analítica del Aprendizaje sea el vehículo para epoderar a estos actores y así mejorar desde dentro el proceso educativo. En esta charla examinaremos los mas recientes desarrollos en el campo de la Analítica del Aprendizaje, sus oportunidades para la educación en América Latina, así como también los posibles escollos y problemas que tendría su implementación. Esta charla también es una propuesta e invitación a la incorporación de componentes analíticos en las herramientas tecnológicas que desarrollamos con la finalidad de medir su verdadero impacto en la mejora educativa.
1er Congreso Educativo Inacap.
Sala 3 - Redes Académicas y Servicios
4 Mario Saavedra / Temuco: Evaluación de la Calidad del Servicio Educativo, percibido por estudiantes de nivel universitario y técnico.El caso de los alumnos del área Electricidad.
Similar a Detección precoz de dificultades en el aprendizaje. Herramienta para la predicción del rendimiento de los estudiantes (20)
Las capacidades sociomotrices son las que hacen posible que el individuo se pueda desenvolver socialmente de acuerdo a la actuación motriz propias de cada edad evolutiva del individuo; Martha Castañer las clasifica en: Interacción y comunicación, introyección, emoción y expresión, creatividad e imaginación.
Portafolio de servicios Centro de Educación Continua EPN
Detección precoz de dificultades en el aprendizaje. Herramienta para la predicción del rendimiento de los estudiantes
1. Detección precoz de dificultades en el
aprendizaje.
Herramienta para la predicción del
rendimiento de los estudiantes
Carlos J. Villagrá-Arnedo
Francisco J. Gallego-Durán
Faraón Llorens-Largo
Patricia Compañ-Rosique
Rosana Satorre-Cuerda
Rafael Molina-Carmona
2. introducción
mejorar el rendimiento de los estudiantes …
… conocer el progreso real de estos …
… y tratar de predecir los resultados en etapas
tempranas del proceso docente
4. objetivo
diseñar y construir un sistema predictivo,
de ayuda para el docente y para los propios estudiantes,
que permita detectar de forma precoz los problemas de
aprendizaje,
que presente un alto grado de automatización,
que ofrezca predicciones sobre el aprendizaje efectivo del
estudiante y las competencias adquiridas,
que sea perdurable en el tiempo y que utilice, en cada etapa,
datos nuevos acumulados a la experiencia adquirida
5. PLMan
PLMan es un
sistema automatizado y gamificado
para aprender pensamiento lógico
asignatura Lógica Computacional
primer curso
Grados en Ingeniería Informática
e Ingeniería Multimedia
7. PLMan
• Sistema gamificado:
– Autonomía: el alumno elige el nivel de dificultad
– Recompensa: a mayor dificultad, mayor nota
– Niveles: que se desbloquean cuando avanzamos
– Prueba y error: no se penaliza el fallo
– Retroalimentación: respuesta inmediata sobre el resultado
– Y además … ¡tiene forma de juego!
8. PLMan
• Genera una gran cantidad de datos:
¿podemos hacer algo con ellos?
9. arquitectura del sistema
sus correspondientes SVMs. Estas predicciones se
añaden a la base de datos de predicciones, donde se
almacenan las de las semanas anteriores. Por último,
estas predicciones se proporcionan a estudiantes y
profesores en forma de progresión estimada del
rendimiento de los estudiantes en el tiempo.
Figura 1: Arquitectura global del sistema.
4. Experimen
El sistema propues
primer cuatrimestre d
actividad en octubre d
de 2015. Como se m
estado funcionando e
para la asignatura M
aprendizaje de Lógica
clases prácticas. Habí
registrados, de los qu
en las clases de prácti
habitual.
Aunque el cuatrime
se, se imparten 13 cl
sesiones realmente só
guimiento, ya que en
introducción general
forma, el sistema pr
semanas de prediccio
proporcionando la not
Como ya se ha dich
bajo es proporcionar
sobre la tendencia d
predicciones progresiv
vo, el sistema produce
tivas como las de las
muestran las probab
estudiante tenga un r
10. recolección de datos
• De todos los eventos que se producen en PLMan,
elegimos datos de dos tipos (7 características):
– De uso
– De progreso del estudiante
Número de visitas al frontal
Número de descargas de mapas
Número de entregas por fase
Promedio de notas por fase (porcentaje)
Tiempo empleado en superar cada fase (segundos)
Tiempo empleado en superar cada mapa (segundos)
Nivel de dificultad seleccionados por mapa
11. sistema de predicción
• Es un clasificador Support Vector Machine (SVM)
• Tres clases:
– Estudiante de rendimiento alto: nota>8.05
– Estudiante de rendimiento intermedio: 5.75≤nota≤8.05
– Estudiante de rendimiento bajo: nota<5.75
12. sistema de predicción
• Fase de entrenamiento
– Entrenamiento con 336 estudiantes
– Se entrenan 336 SVM
– Para cada SVM se usan 335 ejemplos (cross validation)
– Se almacenan semanalmente las predicciones
– 10 semanas/predicciones (13 semanas del curso, menos
las dos introductorias y la final)
13. sistema de predicción
• Fase de clasificación:
– El sistema de predicción nos devuelve 3 probabilidades
• Probabilidad de que el estudiante termine con una nota alta
• Probabilidad de que el estudiante termine con una nota
intermedia
• Probabilidad de que el estudiante termine con una nota baja
18. conclusiones
• Sistema de predicción, progresivo y automatizado, basado en
las actividades semanales de los estudiantes:
• Resultado en forma de gráficas.
• Guía para mejorar el rendimiento de los estudiantes desde
etapas tempranas.
• Datos referentes a resultados de aprendizaje.
19. trabajos futuros
• Incorporar en la predicción los resultados de los
estudiantes cada curso.
• Estudiar otras características que aporten más
información y permitan mejorar la predicción.
• Estudiar de forma más pormenorizada las gráficas
representativas de las tendencias de los estudiantes.
• No sólo diagnosticar sino también proponer los
aspectos que permitan mejorar el rendimiento.
20. Detección precoz de dificultades en el
aprendizaje.
Herramienta para la predicción del
rendimiento de los estudiantes
Carlos J. Villagrá-Arnedo
Francisco J. Gallego-Durán
Faraón Llorens-Largo
Patricia Compañ-Rosique
Rosana Satorre-Cuerda
Rafael Molina-Carmona