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....
- 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_ |
1812134017861943296 |
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 |