Descriptive analytics of collaborative learning in higher education (capstone course)

La analítica de aprendizaje colaborativo busca estudiar el impacto o comportamiento de la colaboración en los entornos de aprendizaje, específicamente la colaboración dada entre personas, en un entorno educativo que trabajan juntas con el fin de completar actividades, retos, problemas, entre otros....

Full description

Autores:
Romero Santana, Leidy Jurani
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2020
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
eng
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/51462
Acceso en línea:
http://hdl.handle.net/1992/51462
Palabra clave:
Aprendizaje cooperativo
Tecnología educativa
Innovaciones educativas
Aprendizaje automático (Inteligencia artificial)
Educación superior
Ingeniería
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-nd/4.0/
Description
Summary:La analítica de aprendizaje colaborativo busca estudiar el impacto o comportamiento de la colaboración en los entornos de aprendizaje, específicamente la colaboración dada entre personas, en un entorno educativo que trabajan juntas con el fin de completar actividades, retos, problemas, entre otros. Para la carrera de Ingeniería de sistemas y computación de la Universidad los Andes de Colombia análisis sobre los diferentes cursos que tienen un marcado comportamiento de trabajo en grupo tienen un alto potencial para entender y mejorar los resultados obtenidos por los estudiantes. Por medio del uso de diferentes técnicas de aprendizaje automático se pueden desarrollar modelos que den una comprensión sobre las relaciones y/o patrones entre diferentes variables, estos modelos son usados para construir o complementar sistemas tecnológicos que apoyen a las organizaciones en su toma de decisiones. Utilizando las calificaciones históricas de estudiantes de la carrera, así como calificaciones del último curso con trabajo en grupo del pensum, se desarrollaron diferentes modelos basados en análisis descriptivo, como un primer paso para la construcción de un sistema de creación de grupos de trabajo automático. Utilizando aprendizaje no supervisado por medio de agrupación se logró segmentar a los estudiantes en 3 grupos, los que están por encima de las notas promedio de cada materia, los que tienen notas similares al promedio y los que están por debajo de las notas promedio. Posteriormente se utilizaron tareas de clasificación, reglas de asociación y análisis de distancias con los que se logró dar un significado a porqué un estudiante pertenece a un grupo específico. Luego, se realizó un análisis respecto a los resultados obtenidos en el curso objetivo de trabajo en grupo, del cual se encontraron diferentes patrones de grupos que tienden a tener resultados altos y grupos que tienden a tener resultados bajos. Finalmente se proponen futuros análisis y desarrollos con el fin de implementar el sistema que genere grupos automaticamente.