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/
id UNIANDES2_c9f4d9d104fbabfdf9f69c22eed740ad
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/51462
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
dc.title.spa.fl_str_mv Descriptive analytics of collaborative learning in higher education (capstone course)
title Descriptive analytics of collaborative learning in higher education (capstone course)
spellingShingle Descriptive analytics of collaborative learning in higher education (capstone course)
Aprendizaje cooperativo
Tecnología educativa
Innovaciones educativas
Aprendizaje automático (Inteligencia artificial)
Educación superior
Ingeniería
title_short Descriptive analytics of collaborative learning in higher education (capstone course)
title_full Descriptive analytics of collaborative learning in higher education (capstone course)
title_fullStr Descriptive analytics of collaborative learning in higher education (capstone course)
title_full_unstemmed Descriptive analytics of collaborative learning in higher education (capstone course)
title_sort Descriptive analytics of collaborative learning in higher education (capstone course)
dc.creator.fl_str_mv Romero Santana, Leidy Jurani
dc.contributor.advisor.none.fl_str_mv Manrique Piramanrique, Rubén Francisco
Mariño Drews, Olga
dc.contributor.author.none.fl_str_mv Romero Santana, Leidy Jurani
dc.subject.armarc.spa.fl_str_mv Aprendizaje cooperativo
Tecnología educativa
Innovaciones educativas
Aprendizaje automático (Inteligencia artificial)
Educación superior
topic Aprendizaje cooperativo
Tecnología educativa
Innovaciones educativas
Aprendizaje automático (Inteligencia artificial)
Educación superior
Ingeniería
dc.subject.themes.none.fl_str_mv Ingeniería
description 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.
publishDate 2020
dc.date.issued.none.fl_str_mv 2020
dc.date.accessioned.none.fl_str_mv 2021-08-10T18:26:15Z
dc.date.available.none.fl_str_mv 2021-08-10T18:26:15Z
dc.type.spa.fl_str_mv Trabajo de grado - Pregrado
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TP
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/1992/51462
dc.identifier.pdf.none.fl_str_mv 22685.pdf
dc.identifier.instname.spa.fl_str_mv instname:Universidad de los Andes
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Séneca
dc.identifier.repourl.spa.fl_str_mv repourl:https://repositorio.uniandes.edu.co/
url http://hdl.handle.net/1992/51462
identifier_str_mv 22685.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.none.fl_str_mv eng
language eng
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.none.fl_str_mv 33 hojas
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de los Andes
dc.publisher.program.none.fl_str_mv Ingeniería de Sistemas y Computación
dc.publisher.faculty.none.fl_str_mv Facultad de Ingeniería
dc.publisher.department.none.fl_str_mv Departamento de Ingeniería de Sistemas y Computación
publisher.none.fl_str_mv Universidad de los Andes
institution Universidad de los Andes
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/62138e4f-7848-46ad-a7d3-76e36154a50c/download
https://repositorio.uniandes.edu.co/bitstreams/4ffe34a8-9831-4694-a67e-10e1ab38a37f/download
https://repositorio.uniandes.edu.co/bitstreams/3554e04d-0c15-4759-a147-c34083015ff7/download
bitstream.checksum.fl_str_mv a82eaab1d287e6649477a8e7fdfc058b
b14c4fbf013720badf796fb52cfb544b
65f7d21df62fb3d833bb7d2087d18a2a
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional Séneca
repository.mail.fl_str_mv adminrepositorio@uniandes.edu.co
_version_ 1808390427993178112
spelling Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Manrique Piramanrique, Rubén Francisco1ce1d007-115a-4e4c-9b3d-807455501f61400Mariño Drews, Olgavirtual::13776-1Romero Santana, Leidy Jurani43733b37-9db0-49f8-b884-d52177d4c3435002021-08-10T18:26:15Z2021-08-10T18:26:15Z2020http://hdl.handle.net/1992/5146222685.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/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.Collaborative learning analytic study the impact or behavior of collaboration in learning environments, specifically the collaboration given between people, in an educational environment, that work together in order to complete activities, challenges, problems, among others. For the degree in Computer and Systems Engineering at University of los Andes in Colombia, analysis of the different courses that have a marked behavior of team work have a high potential to understand and improve the performance obtained by students. Through the use of different machine learning techniques, models can be developed to give an understanding of the relationships or patterns between different variables, these models are used to build or complement technological systems that support organizations in their decision-making. Using the historical grades of students in the career, as well as grades from the last course with team work of the curriculum, different models were developed based on descriptive analysis, as a first step for the construction of a automatic teams conformation system. Using unsupervised learning through clustering, it was possible to segment the students into 3 profiles, those that are above the average grade for each subject, those that have behavior similar to the gadres average and those that are below the average grades. Subsequently, classification tasks, association rules and distance analysis were used with which it was possible to know why a student belongs to a specific profile. Then, an analysis was carried out regarding the results obtained in the objective team work course, from which different patterns of groups that tend to have high results and groups that tend to have low results were found. Finally, future analyzes and developments are proposed in order to implement the system that automatically generates teams.--Taken from the Degree Document Format.Ingeniero de Sistemas y ComputaciónPregrado33 hojasapplication/pdfengUniversidad de los AndesIngeniería de Sistemas y ComputaciónFacultad de IngenieríaDepartamento de Ingeniería de Sistemas y ComputaciónDescriptive analytics of collaborative learning in higher education (capstone course)Trabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TPAprendizaje cooperativoTecnología educativaInnovaciones educativasAprendizaje automático (Inteligencia artificial)Educación superiorIngeniería201714832Publicatione7ce8418-ddbe-41a3-abbf-c91ab61fb265virtual::13776-1e7ce8418-ddbe-41a3-abbf-c91ab61fb265virtual::13776-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000051608virtual::13776-1THUMBNAIL22685.pdf.jpg22685.pdf.jpgIM Thumbnailimage/jpeg8155https://repositorio.uniandes.edu.co/bitstreams/62138e4f-7848-46ad-a7d3-76e36154a50c/downloada82eaab1d287e6649477a8e7fdfc058bMD55TEXT22685.pdf.txt22685.pdf.txtExtracted texttext/plain73959https://repositorio.uniandes.edu.co/bitstreams/4ffe34a8-9831-4694-a67e-10e1ab38a37f/downloadb14c4fbf013720badf796fb52cfb544bMD54ORIGINAL22685.pdfapplication/pdf1180723https://repositorio.uniandes.edu.co/bitstreams/3554e04d-0c15-4759-a147-c34083015ff7/download65f7d21df62fb3d833bb7d2087d18a2aMD511992/51462oai:repositorio.uniandes.edu.co:1992/514622024-03-13 15:01:28.588http://creativecommons.org/licenses/by-nc-nd/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co