Hacia un sistema de detección temprana de estudiantes en riesgo en entornos de enseñanza-aprendizaje en línea

Ana Elena Guerrero Roldán; M. Elena Rodríguez; David Bañeres; Cristina Pérez Solà; Javier Panadero; Abdulkadir Karadeniz

Ayuda

Hacia un sistema de detección temprana de estudiantes en riesgo en entornos de enseñanza-aprendizaje en línea

Ana Elena Guerrero-Roldán ^[1] ; M. Elena Rodríguez ^[1] ; David Bañeres ^[1] ; Cristina Pérez ^[1] ; Javier Panadero ^[1] ; Abdulkadir Karadeniz ^[1]
1. [1] Universitat Oberta de Catalunya
  
  Universitat Oberta de Catalunya
  
  Barcelona, España
Localización: Actas de las Jornadas sobre la Enseñanza Universitaria de la Informática (JENUI), ISSN 2531-0607, Nº. 5, 2020 (Ejemplar dedicado a: XXVI Jornadas sobre la Enseñanza Universitaria de la Informática (JENUI 2020) / coord. por José Manuel Badía Contelles , Francisco Grimaldo Moreno ), págs. 37-44
Idioma: español
Enlaces
- Texto completo (pdf)
Resumen
- español
  El uso de técnicas de la inteligencia artificial está teniendo un gran impacto en la educación. La dispo- nibilidad de extensas colecciones de datos educativos ha permitido desarrollar modelos de predicción que permiten inferir conocimiento sobre el comporta- miento de los estudiantes. Una de las líneas de inves- tigación se centra en la identificación de estudiantes en riesgo, con el objetivo de reducir el riesgo de fracaso y de abandono. En este trabajo se presenta un sistema de detección temprana de estudiantes en riesgo en un entorno de enseñanza-aprendizaje en línea. Asimismo, se describe la prueba piloto del sistema realizada en una asignatura de bases de datos del Grado de Ingeniería Informática de la Universitat Oberta de Catalunya, y los resultados obtenidos de dicha experiencia.
- English
  The use of artificial intelligence techniques is having a great impact on education. The availability of extensive educational datasets has allowed the devel- opment of predictive models that can be used to infer knowledge about students’ behavior. One of these research lines focuses on the identification of at-risk students, with the aim of reducing the risk of failure and dropout. This paper presents a system for the early detection of at-risk students in an online setting.
  
  Moreover, a case study has been carried out in a database subject of the Computer Engineering Degree at the Universitat Oberta de Catalunya, and the results obtained from this experience are presented.