Contribuciones a la identificación automática del estilo de aprendizaje del estudiante en procesos formativos en línea masivos
La Analítica del Aprendizaje, el Aprendizaje de Máquina –supervisado y no supervisado- y las estrategias de los cursos en línea en ambientes de masividad son técnicas que aparecieron en la primera década de este milenio y se consolidaron –en diversas manifestaciones- en la década siguientes en difer...
- Autores:
-
Solarte Sarasty, Mario Fernando
- Tipo de recurso:
- Doctoral thesis
- Fecha de publicación:
- 2019
- Institución:
- Universidad del Cauca
- Repositorio:
- Repositorio Unicauca
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unicauca.edu.co:123456789/1259
- Acceso en línea:
- http://repositorio.unicauca.edu.co:8080/xmlui/handle/123456789/1259
- Palabra clave:
- MOOC
Educación no formal
Analítica del Aprendizaje
- Rights
- License
- https://creativecommons.org/licenses/by-nc-nd/4.0/
id |
REPOCAUCA2_f79d3b39eb511d9009f9c6f9c9c753d1 |
---|---|
oai_identifier_str |
oai:repositorio.unicauca.edu.co:123456789/1259 |
network_acronym_str |
REPOCAUCA2 |
network_name_str |
Repositorio Unicauca |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Contribuciones a la identificación automática del estilo de aprendizaje del estudiante en procesos formativos en línea masivos |
title |
Contribuciones a la identificación automática del estilo de aprendizaje del estudiante en procesos formativos en línea masivos |
spellingShingle |
Contribuciones a la identificación automática del estilo de aprendizaje del estudiante en procesos formativos en línea masivos MOOC Educación no formal Analítica del Aprendizaje |
title_short |
Contribuciones a la identificación automática del estilo de aprendizaje del estudiante en procesos formativos en línea masivos |
title_full |
Contribuciones a la identificación automática del estilo de aprendizaje del estudiante en procesos formativos en línea masivos |
title_fullStr |
Contribuciones a la identificación automática del estilo de aprendizaje del estudiante en procesos formativos en línea masivos |
title_full_unstemmed |
Contribuciones a la identificación automática del estilo de aprendizaje del estudiante en procesos formativos en línea masivos |
title_sort |
Contribuciones a la identificación automática del estilo de aprendizaje del estudiante en procesos formativos en línea masivos |
dc.creator.fl_str_mv |
Solarte Sarasty, Mario Fernando |
dc.contributor.author.none.fl_str_mv |
Solarte Sarasty, Mario Fernando |
dc.subject.spa.fl_str_mv |
MOOC Educación no formal Analítica del Aprendizaje |
topic |
MOOC Educación no formal Analítica del Aprendizaje |
description |
La Analítica del Aprendizaje, el Aprendizaje de Máquina –supervisado y no supervisado- y las estrategias de los cursos en línea en ambientes de masividad son técnicas que aparecieron en la primera década de este milenio y se consolidaron –en diversas manifestaciones- en la década siguientes en diferentes contextos. Aunque los MOOC (Massive Open Online Courses - cursos en línea abiertos y masivos) surgieron en un ambiente de educación no formal, su reciente articulación en los currículos universitarios hace que sea necesario resolver distintos retos para minimizar las consecuencias de su modelo, como por ejemplo aquellos relacionados con su rigidez en materia pedagógica. Lo anterior es, a su vez, una oportunidad magnífica para impulsar la introducción de tecnologías específicas para conocer y comprender el comportamiento de los distintos actores del proceso formativo, especialmente profesores y estudiantes teniendo en cuenta las significativas cantidades de personas involucradas en estos cursos. Uno de los beneficios anunciados por la aplicación de las técnicas de la Analítica del Aprendizaje, unido al potencial de las aplicaciones web que dan soporte a los cursos en línea en ambientes de masividad es el aprovechamiento de las grandes cantidades de datos para poder comprender el comportamiento de los estudiantes. Un aporte importante de la presente investigación es la integración de las tres técnicas indicadas anteriormente (aprendizaje de máquina, analíticas del aprendizaje, cursos masivos en línea) y su aplicación para el reconocimiento académico de conocimientos y habilidades adquiridos a través de esta modalidad educativa. |
publishDate |
2019 |
dc.date.accessioned.none.fl_str_mv |
2019-10-30T19:56:55Z |
dc.date.available.none.fl_str_mv |
2019-10-30T19:56:55Z |
dc.date.issued.none.fl_str_mv |
2019-04 |
dc.type.spa.fl_str_mv |
Tesis doctorado |
dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_db06 |
format |
http://purl.org/coar/resource_type/c_db06 |
dc.identifier.uri.none.fl_str_mv |
http://repositorio.unicauca.edu.co:8080/xmlui/handle/123456789/1259 |
dc.identifier.instname.none.fl_str_mv |
|
dc.identifier.reponame.none.fl_str_mv |
|
dc.identifier.repourl.none.fl_str_mv |
|
url |
http://repositorio.unicauca.edu.co:8080/xmlui/handle/123456789/1259 |
identifier_str_mv |
|
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.uri.none.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.rights.creativecommons.none.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
dc.publisher.spa.fl_str_mv |
Universidad del Cauca |
dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería Electrónica y Telecomunicaciones |
dc.publisher.program.spa.fl_str_mv |
Doctorado en Ingeniería Telemática |
institution |
Universidad del Cauca |
bitstream.url.fl_str_mv |
http://repositorio.unicauca.edu.co/bitstream/123456789/1259/1/Contribuciones%20a%20la%20identificaci%c3%b3n%20autom%c3%a1tica%20del%20estilo%20de%20aprendizaje%20del%20estudiante.pdf http://repositorio.unicauca.edu.co/bitstream/123456789/1259/2/Anexo%20A.pdf http://repositorio.unicauca.edu.co/bitstream/123456789/1259/3/Anexo%20B.pdf http://repositorio.unicauca.edu.co/bitstream/123456789/1259/4/license.txt |
bitstream.checksum.fl_str_mv |
02b7689c471de88c158608b250174227 2f8bdc085ac4fd96259a6c5d85024d64 46f43b887b2123731cf84298cada403f 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Dspace - Universidad del Cauca |
repository.mail.fl_str_mv |
biblios@unicauca.edu.co |
_version_ |
1818113131780505600 |
spelling |
Solarte Sarasty, Mario Fernando2019-10-30T19:56:55Z2019-10-30T19:56:55Z2019-04http://repositorio.unicauca.edu.co:8080/xmlui/handle/123456789/1259La Analítica del Aprendizaje, el Aprendizaje de Máquina –supervisado y no supervisado- y las estrategias de los cursos en línea en ambientes de masividad son técnicas que aparecieron en la primera década de este milenio y se consolidaron –en diversas manifestaciones- en la década siguientes en diferentes contextos. Aunque los MOOC (Massive Open Online Courses - cursos en línea abiertos y masivos) surgieron en un ambiente de educación no formal, su reciente articulación en los currículos universitarios hace que sea necesario resolver distintos retos para minimizar las consecuencias de su modelo, como por ejemplo aquellos relacionados con su rigidez en materia pedagógica. Lo anterior es, a su vez, una oportunidad magnífica para impulsar la introducción de tecnologías específicas para conocer y comprender el comportamiento de los distintos actores del proceso formativo, especialmente profesores y estudiantes teniendo en cuenta las significativas cantidades de personas involucradas en estos cursos. Uno de los beneficios anunciados por la aplicación de las técnicas de la Analítica del Aprendizaje, unido al potencial de las aplicaciones web que dan soporte a los cursos en línea en ambientes de masividad es el aprovechamiento de las grandes cantidades de datos para poder comprender el comportamiento de los estudiantes. Un aporte importante de la presente investigación es la integración de las tres técnicas indicadas anteriormente (aprendizaje de máquina, analíticas del aprendizaje, cursos masivos en línea) y su aplicación para el reconocimiento académico de conocimientos y habilidades adquiridos a través de esta modalidad educativa.spaUniversidad del CaucaFacultad de Ingeniería Electrónica y TelecomunicacionesDoctorado en Ingeniería Telemáticahttps://creativecommons.org/licenses/by-nc-nd/4.0/https://creativecommons.org/licenses/by-nc-nd/4.0/http://purl.org/coar/access_right/c_abf2MOOCEducación no formalAnalítica del AprendizajeContribuciones a la identificación automática del estilo de aprendizaje del estudiante en procesos formativos en línea masivosTesis doctoradoinfo:eu-repo/semantics/doctoralThesishttp://purl.org/coar/resource_type/c_db06http://purl.org/coar/version/c_970fb48d4fbd8a85http://purl.org/coar/version/c_970fb48d4fbd8a85ORIGINALContribuciones a la identificación automática del estilo de aprendizaje del estudiante.pdfContribuciones a la identificación automática del estilo de aprendizaje del estudiante.pdfapplication/pdf5194488http://repositorio.unicauca.edu.co/bitstream/123456789/1259/1/Contribuciones%20a%20la%20identificaci%c3%b3n%20autom%c3%a1tica%20del%20estilo%20de%20aprendizaje%20del%20estudiante.pdf02b7689c471de88c158608b250174227MD51Anexo A.pdfAnexo A.pdfapplication/pdf193623http://repositorio.unicauca.edu.co/bitstream/123456789/1259/2/Anexo%20A.pdf2f8bdc085ac4fd96259a6c5d85024d64MD52Anexo B.pdfAnexo B.pdfapplication/pdf389332http://repositorio.unicauca.edu.co/bitstream/123456789/1259/3/Anexo%20B.pdf46f43b887b2123731cf84298cada403fMD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.unicauca.edu.co/bitstream/123456789/1259/4/license.txt8a4605be74aa9ea9d79846c1fba20a33MD54123456789/1259oai:repositorio.unicauca.edu.co:123456789/12592021-05-28 12:13:15.47Dspace - Universidad del Caucabiblios@unicauca.edu.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 |