Ir al contenido

Documat

Beneficios de la aplicación del paradigma de líneas de productos software para generar dashboards en contextos educativos

    1. [1] Universidad de Salamanca

      Universidad de Salamanca

      Salamanca, España

  • Localización: RIED: revista iberoamericana de educación a distancia, ISSN 1138-2783, Vol. 23, Nº 2, 2020 (Ejemplar dedicado a: Analítica del aprendizaje y educación basada en datos: Un campo en expansión), págs. 169-185
  • Idioma: español
  • DOI: 10.5944/ried.23.2.26389
  • Títulos paralelos:
    • Benefits of the software product line paradigm in generating dashboards for educational contexts
  • Enlaces
  • Resumen
    • español

      Los datos son cruciales para mejorar la toma de decisiones y obtener mayores beneficios en cualquier tipo de actividad. Sin embargo, la gran cantidad de información generada debido a las nuevas tecnologías ha convertido el análisis de los datos y la generación de conocimiento a partir de ellos en una tarea compleja. Numerosas herramientas han surgido para facilitar esta generación de conocimiento, como es el caso de los dashboards o paneles de información. Aunque los paneles de control sean herramientas muy potentes, su efectividad puede verse afectada por un mal diseño o por no tener en cuenta el contexto en el que se encuadran. Por ello, es necesario diseñar y crear paneles de control a medida en función de la audiencia y dominio de los datos. Crear paneles de control personalizados puede ser muy beneficioso, pero también un proceso costoso en lo que al tiempo y recursos se refiere. Este trabajo presenta una aplicación del paradigma de líneas de productos software para generar paneles de control adaptados a cualquier contexto de manera más sencilla, reutilizando tanto componentes software como conocimiento. Uno de los contextos que puede verse especialmente favorecido por este enfoque es el contexto educativo, donde la analítica del aprendizaje y el análisis de datos sobre el rendimiento de los estudiantes se está popularizando. Contar con paneles de control personalizables para cualquier rol (estudiante, profesor, administrador, etc.) puede mejorar los procesos de toma de decisiones, mostrando a cada usuario la información que más le interesa de la forma que mejor le permita comprenderla.

    • English

      Data are crucial to improve decision-making and to obtain greater benefits in any type of activity. However, the large amount of information generated by new technologies has made data analysis and knowledge generation a complex task. Numerous tools have emerged to facilitate this knowledge generation, such as dashboards. Although dashboards are very powerful tools, their effectiveness can be affected by a bad design or by not taking into account the context in which they are placed. Therefore, it is necessary to design and create tailored dashboards according to the audience and data domain. Creating tailored dashboards can be very beneficial, but also a costly process in terms of time and resources. This paper presents an application of the software product line paradigm to generate dashboards adapted to any context in a more straightforward way by reusing both software components and knowledge. One of the contexts that can be especially favored by this approach is the educational context, where Learning Analytics and the analysis of student performance to improve learning methodologies are becoming very popular. Having tailored dashboards for any role (student, teacher, administrator, etc.) can improve decision making processes by showing each user the information that interests them most in the way that best enables them to understand it.

  • Referencias bibliográficas
    • Albright, S. C., Winston, W. y Zappe, C. (2010). Data analysis and decision making. Cengage Learning.
    • Aldrich, F. y Sheppard, L. (2000). Graphicacy-the fourth'R'? Primary Science Review, 64, 8-11.
    • Anquetil, N., Grammel, B., Galvão, I., Noppen, J., Khan, S. S., Arboleda, H., . . . Garcia, A. (2008). Traceability for model driven, software...
    • Clark, S. (2018). Render your first network configuration template using Python and Jinja2. Cisco Blogs. Recuperado de https://blogs.cisco.com/developer/network-configuration-template
    • Clements, P.y Northrop, L. (2002). Software product lines. Addison-Wesley.
    • Cooper, M. M. (2007). Data-driven education research. Science, 317(5842), 1168-1171. doi:10.1126/science.317.5842.1171
    • Dabbebi, I., Iksal, S., Gilliot, J.-M., May, M. y Garlatti, S. (2017). Towards Adaptive Dashboards for Learning Analytic: An Approach for...
    • Ferguson, R. (2012). Learning analytics: Drivers, developments and challenges. International Journal of Technology Enhanced Learning, 4(5/6),...
    • Gacek, C. y Anastasopoules, M. (2001). Implementing product line variabilities. Ponencia presentada en ACM SIGSOFT Software Engineering Notes,...
    • Gomaa, H. (2004). Designing Software Product Lines with UML: From Use Cases to Pattern-Based Software Architectures. Addison Wesley Longman...
    • Greifenberg, T., Müller, K., Roth, A., Rumpe, B., Schulze, C. y Wortmann, A. (2016). Modeling variability in template-based code generators...
    • Kang, K. C., Cohen, S. G., Hess, J. A., Novak, W. E. y Peterson, A. S. (1990). Feature-oriented domain analysis (FODA) feasibility study....
    • Kintz, M., Kochanowski, M. y Koetter, F. (2017). Creating User-specific Business Process Monitoring Dashboards with a Model-driven Approach....
    • Kirda, E. y Kerer, C. (2000). MyXML: An XML based template engine for the generation of flexible Web content. Ponencia presentada en WebNet...
    • Kuzilek, J., Hlosta, M. y Zdrahal, Z. (2017). Open university learning analytics dataset. Scientific data, 4:170171. 1-8. doi:10.1038/sdata.2017.171
    • Liñán, L. C. y Pérez, Á. A. J. (2015). Educational Data Mining and Learning Analytics: differences, similarities, and time evolution. International...
    • Logre, I., Mosser, S., Collet, P. y Riveill, M. (2014). Sensor data visualisation: a composition-based approach to support domain variability....
    • Long, P. D. y Siemens, G. (2011). Penetrating the Fog: Analytics in Learning and Education. Educause Review, 46(5), 30-32. doi:10.17471/2499-4324/195
    • Magdalenić, I., Radošević, D. y Kermek, D. (2011). Implementation Model of Source Code Generator. Journal of Communications and Software Systems....
    • Mandinach, E. B. y Honey, M. (2008). Data-driven school improvement: Linking data and learning. Teachers College Press.
    • Metzger, A. y Pohl, K. (2007). Variability management in software product line engineering. Ponencia presentada en the Companion to the proceedings...
    • Munzner, T. (2014). Visualization analysis and design. AK Peters/CRC Press.
    • Palpanas, T., Chowdhary, P., Mihaila, G. y Pinel, F. (2007). Integrated model-driven dashboard development. Information Systems Frontiers,...
    • Patil, D. y Mason, H. (2015). Data Driven: " O'Reilly Media, Inc.". ISBN: 9781491925454
    • Picciano, A. G. (2012). The evolution of big data and learning analytics in American higher education. Journal of Asynchronous Learning Networks,...
    • Pleuss, A., Wollny, S. y Botterweck, G. (2013). Model-driven development and evolution of customized user interfaces. Ponencia presentada...
    • Pohl, K., Böckle, G. y Van der Linden, F. J. (2005). Software Product Line Engineering: Foundations, Principles and Techniques. Springer-Verlag...
    • Roberts, L. D., Howell, J. A. y Seaman, K. (2017). Give me a customizable dashboard: Personalized learning analytics dashboards in higher...
    • Ronacher, A. (2008). Jinja2 Documentation. Recuperado de: http://jinja.pocoo.org/docs/2.10/:
    • Sarikaya, A., Correll, M., Bartram, L., Tory, M. y Fisher, D. (2018). What Do We Talk About When We Talk About Dashboards? IEEE Transactions...
    • Schwendimann, B. A., Rodriguez-Triana, M. J., Vozniuk, A., Prieto, L. P.,
    • Boroujeni, M. S., Holzer, A., . . . Dillenbourg, P. (2017). Perceiving learning at a glance: A systematic literature review of learning dashboard...
    • Tajali, S. B., Corriveau, J.-P. y Shi, W. (2013). A Template-Based Approach to Modeling Variability. Paper presented at the Proceedings of...
    • Tatsubori, M. y Suzumura, T. (2009). HTML templates that fly: a template engine approach to automated offloading from server to client. Actas...
    • Teasley, S. D. (2017). Student facing dashboards: One size fits all? Technology, Knowledge and Learning, 22(3), 377-384. doi:10.1007/s10758-017-9314-3
    • Van Gurp, J., Bosch, J. y Svahnberg, M. (2001). On the notion of variability in software product lines. Ponencia presentada en Software Architecture,...
    • Vázquez-Ingelmo, A., García-Holgado, A., García-Peñalvo, F. J. y Therón, R. (2019). Dashboard Meta-Model for Knowledge Management in Technological...
    • Vázquez-Ingelmo, A., García-Peñalvo, F. J. y Therón, R. (2019a). Addressing Fine-Grained Variability in User-Centered Software Product Lines:...
    • Vázquez-Ingelmo, A., García-Peñalvo, F. J. y Therón, R. (2019b). Capturing high-level requirements of information dashboards’ components through...
    • Vázquez-Ingelmo, A., García-Peñalvo, F. J. y Therón, R. (2019c). Information Dashboards and Tailoring Capabilities - A Systematic Literature...
    • Vázquez-Ingelmo, A., García-Peñalvo, F. J., Therón, R. y Conde González, M. Á. (2019). Extending a dashboard meta-model to account for users’...
    • Vigo, Spain. CEUR Workshop Proceedings Series, no. 2415, pp. 35-42. http://ceur-ws.org/Vol-2415/paper04.pdf
    • Yoo, Y., Lee, H., Jo, I.-H. y Park, Y. (2015). Educational dashboards for smart learning: Review of case studies. Emerging issues in smart...
Fundación Dialnet

Mi Documat

Opciones de artículo

Opciones de compartir

Opciones de entorno