Aplicando minería de datos para descubrir rutas de aprendizaje frecuentes en Moodle

• Bogarín Vega, Alejandro ^[2] ; Romero Morales, Cristóbal ^[2] ; Cerezo Menéndez, Rebeca ^[1]
  1. [1] Universidad de Oviedo

     Universidad de Oviedo

     Oviedo, España

     
  2. [2] Universidad de Córdoba

     Universidad de Córdoba

     Cordoba, España

     
• Localización: EDMETIC, ISSN-e 2254-0059, Vol. 5, Nº. 1, 2016 (Ejemplar dedicado a: Estado de la cuestión IV: Innovación e investigación para la mejora educativa), págs. 73-92
• Idioma: español
• Títulos paralelos:
  • Applying data mining to discover common learning routes in Moodle
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 4 Citas
• Resumen
  • español

    En este artículo, aplicamos técnicas de minería de datos para descubrir rutas de aprendizaje frecuentes. Hemos utilizado datos de 84 estudiantes universitarios, seguidos en un curso online usando Moodle 2.0. Proponemos agrupar a los estudiantes, en primer lugar, a partir de los datos de una síntesis de uso de Moodle y/o las calificaciones finales de los alumnos en un curso. Luego, usamos los datos de los logs de Moodle sobre cada cluster/grupo de estudiantes separadamente con el fin de poder obtener más específicos y  precisos modelos de procesos del comportamiento de los estudiantes.

  • English

    In this paper, we apply techniques data mining to discover common learning routes. We have used data from 84 undergraduate college students who followed an online course using Moodle 2.0. We propose to group students firstly starting from data about Moodle’s usage summary and/or the students’ final marks in the course. Then, we use data from Moodle’s logs about each cluster/group of students separately in order to be able to obtain more specific and accurate process models of students’ behaviour.

• Referencias bibliográficas
  • AZEVEDO, R., BEHNAGH, R., DUFFY, M., HARLEY, J., y TREVORS, G. (2012). Metacognition and self-regulated learning in student-centered leaning...
  • KLÖSGEN, W., y ZYTKOW, J. M. (2002). Handbook of data mining and knowledge discovery. Oxford: University Press, Inc.
  • MULDNER, K., BURLESON, W., VAN DE SANDE, B., y VANLEHN, K. (2011). An analysis of students’ gaming behaviors in an intelligent tutoring system:...
  • PECHENIZKIY, M., TRCKA, N., VASILYEVA, E., VAN DER AALST, W., y DE BRA, P. (2009). Process Mining Online Assessment Data. International Working...
  • PEDRAZA-PEREZ, R., ROMERO, C., &y VENTURA, S. (2011). A Java desktop tool for mining Moodle data. En Proceedings of 4th International...
  • PERERA, D., KAY, J., KOPRINSKA, I., YACEF, K., y ZAÏANE, O. R. (2009). Clustering and sequential pattern mining of online collaborative learning...
  • RABBANY, R., TAKAFFOLI, M., y ZAÏANE, O. R. (2011). Analyzing participation of students in online courses using social network analysis techniques....
  • ROMERO, C., y VENTURA, S. (2010). Educational data mining: a review of the state of the art. Systems, Man, and Cybernetics, Part C: Applications...
  • ROMERO, C., VENTURA, S., y GARCÍA, E. (2008). Data mining in course management systems: Moodle case study and tutorial. Computers & Education,...
  • ROMERO, C., VENTURA, S., ZAFRA, A., y BRA, P. D. (2009). Applying Web usage mining for personalizing hyperlinks in Web-based adaptive educational...
  • SIEMENS, G., & D BAKER, R. S. (2012, April). Learning analytics and educational data mining: towards communication and collaboration....
  • SOUTHAVILAY, V., YACEF, K., y CALVO, R. A. (2010, June). Process Mining to Support Students' Collaborative Writing. En EDM (pp. 257-266).
  • TRCKA, N., & PECHENIZKIY, M. (2009, November). From local patterns to global models: Towards domain driven educational process mining....
  • VAN DER AALST, W. M. (2011). Discovery, Conformance and Enhancement of Business Processes. Springer, Heidelberg.
  • WITTEN, I. H., y FRANK, E. (2005). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann.