Minería de datos educativa para analizar la correspondencia entre las interacciones y el rendimiento académico: un caso de estudio

• Christian Alexis Ramírez Monteros ^[1] ; Luis Magdiel Oliva-Córdova ^[2] ; Mario Renán Moreno Sabido ^[3] ; Héctor R. Amado-Salvatierra ^[4] ; Antonio García Cabot ^[5]
  1. [1] Universidad Central del Ecuador

     Universidad Central del Ecuador

     Quito, Ecuador

     
  2. [2] Universidad de San Carlos de Guatemala

     Universidad de San Carlos de Guatemala

     Guatemala

     
  3. [3] Tecnológico Nacional de México

     Tecnológico Nacional de México

     México

     
  4. [4] Universidad Galileo

     Universidad Galileo

     Guatemala

     
  5. [5] Universidad de Alcalá

     Universidad de Alcalá

     Alcalá de Henares, España

     

  Mostrar afiliaciones +
• Localización: ATICA2019: Aplicación de Tecnologías de la Información y Comunicaciones Avanzadas: Universidad Nacional de Córdoba (Argentina), del 20 al 22 de noviembre de 2019 / coord. por Jorge Finochietto, José Antonio Gutiérrez de Mesa , Carmen Rodríguez, Luis Bengochea Martínez, 2020, ISBN 9788418254529, págs. 390-399
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen

  • En la actualidad la tecnología digital utilizada en educación superior permite a través de las plataformas educativas obtener datos masivos de inter- acciones que pueden servir de insumos para la toma de decisiones en los niveles jerárquicos de la administración y docencia universitaria. Este trabajo surge a partir de la pregunta de investigación ¿Cuál es la correspondencia entre las interacciones que se desarrollan en la plataforma de aulas virtuales de la Escuela Politécnica Nacional (EPN – Ecuador) y la calificación obtenida por los estudiantes? y para ello se utilizaron técnicas de minería de datos educativa basada en la metodología Cross-Industry Standard Process for Data Mining – CRISPS DM- que permitieron el análisis de datos de las interacciones y el rendimiento académico. El estudio se desarrolló a partir de la consulta y seguimiento 976 aulas virtuales generadas, 9,714 estudiantes matriculados y 292 docentes. Como resultado se destaca que a través del uso del algoritmo clustering k-means se pudo identificar que en la mayoría de casos a mayor interactividad es mejor el resultado en la calificación, lo cual indica que los estudiantes con un número menor de interacciones obtienen calificaciones más bajas. Los resultados permiten valorar el uso de los recursos y actividades dentro de un LMS para potenciar la interacción y mejorar el rendimiento académico de los estudiantes.