Explorando la calidad en uso de sistemas CSCL para el aprendizaje de la Programación :: el caso de COLLECE 2.0

• Rafael Duque ^[1] ; Miguel Ángel Redondo ^[2] ; Manuel Ortega ^[2] ; Sergio Salomón ^[3] ; Ana Isabel Molina ^[2]
  1. [1] Universidad de Cantabria

     Universidad de Cantabria

     Santander, España

     
  2. [2] Universidad de Castilla-La Mancha

     Universidad de Castilla-La Mancha

     Ciudad Real, España

     
  3. [3] Departamento de Inteligencia Analítica (Decide Soluciones

  Mostrar afiliaciones +
• Localización: IE Comunicaciones: Revista Iberoamericana de Informática Educativa, ISSN-e 1699-4574, Nº. 39, 2024, págs. 22-33
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Los sistemas CSCL (Computer-Supported Collaborative Learning) pueden ser especialmente útiles para facilitar la enseñanza y el aprendizaje de la programación, ya que reproducen el contexto profesional de trabajo en equipo. La calidad de la experiencia del aprendizaje con sistemas CSCL depende de varios factores, como, por ejemplo, el diseño y la implementación del sistema, la adecuación de las tareas planteadas a los estudiantes, la configuración del grupo de trabajo y la tutorización recibida. Este trabajo aborda el problema de medir la calidad en uso de los sistemas CSCL que dan soporte al proceso de aprendizaje de la programación. Para ello se propone un conjunto de medidas de calidad en uso y se analiza cómo calcularlas automáticamente utilizando el soporte de FAQuiS (Framework for Assessing Quality-in-use of Software), un framework basado en modelos para evaluar las características y subcaracterísticas de calidad en uso recogidas en la norma ISO 25010:2011. El artículo incluye un estudio de la aplicabilidad de esta propuesta en COLLECE 2.0, un sistema CSCL distribuido síncrono para el aprendizaje de la programación.

  • English

    CSCL (Computer-Supported Collaborative Learning) systems can be especially useful to facilitate the teaching and learning of programming, since they reproduce the professional context of teamwork. The quality of the learning experience with CSCL systems depends on several factors, such as, for example, the design and implementation of the system, the appropriateness of the tasks set for students, the configuration of the work group and the tutoring received. This work addresses the problem of measuring the quality in use of CSCL systems that support the programming learning process. To this end, a set of quality in use measures is proposed and how to calculate them automatically is analyzed using the support of FAQuiS (Framework for Assessing Quality-in-use of Software), a framework based on models to evaluate quality in use characteristics and subcharacteristics included in the ISO 25010:2011 standard. The article includes a study of the applicability of this proposal in COLLECE 2.0, a synchronous distributed CSCL system for programming learning.

• Referencias bibliográficas
  • Becker, B. A., Glanville, G., Iwashima, R., McDonnell, C., Goslin, K., & Mooney, C. (2016). Effective compiler error message enhancement...
  • Brown, N. C. C., Kölling, M., McCall, D., & Utting, I. (2014). Blackbox: a large scale repository of novice programmers’ activity. Proceedings...
  • Cicirello, V. A. (2009). On the role and effectiveness of pop quizzes in CS1. Proceedings of the 40th ACM Technical Symposium on Computer...
  • Dolog, P., Thomsen, L. L., & Thomsen, B. (2016). Assessing Problem-Based Learning in a Software Engineering Curriculum Using Bloom’s Taxonomy...
  • Duque, R., Bravo, C., & Ortega, M. (2011). A model-based framework to automate the analysis of users’ activity in collaborative systems....
  • Gavriushenko., M., Khriyenko., O., & Tuhkala., A. (2017). An Intelligent Learning Support System. Proceedings of the 9th International...
  • Gross, S., Mokbel, B., Paassen, B., Hammer, B., & Pinkwart, N. (2014). Example-based feedback provision using structured solution spaces....
  • Hui, B., & Farvolden, S. (2017). How Can Learning Analytics Improve a Course? Proceedings of the 22nd Western Canadian Conference on Computing...
  • Hundhausen, C. D., Olivares, D. M., & Carter, A. S. (2017). IDE-Based Learning Analytics for Computing Education: A Process Model, Critical...
  • ISO/IEC 25010. (2011). ISO/IEC 25010:2011, Systems and software engineering — Systems and software Quality Requirements and Evaluation (SQuaRE)...
  • Lacave, C., García, M. A., Molina, A. I., Sánchez, S., Redondo, M. A., & Ortega, M. (2019). COLLECE-2.0: A real-time collaborative programming...
  • Leinonen, J., Leppänen, L., Ihantola, P., & Hellas, A. (2017). Comparison of Time Metrics in Programming. Proceedings of the 2017 ACM...
  • Li, J., Liying, F., Qing, X., Shi, Z., & Yiliu, X. (2010). Interface generation technology based on Concur Task Tree. 2010 International...
  • MacNish, C. (2002). Machiine Learning and Visualisation Techniques for Inferring Logical Errors in Student Code Submissions. Retrieved from...
  • Martínez Monés, A., Dimitriadis Damoulis, Y., Acquila-Natale, E., Álvarez, A., Caeiro Rodríguez, M., Cobos Pérez, R., … Sancho Vinuesa, T....
  • Ott, C., Robins, A., & Shephard, K. (2016). Translating Principles of Effective Feedback for Students into the CS1 Context. ACM Trans....
  • Pettit, R. S., Homer, J. D., McMurry, K. M., Simone, N., & Mengel, S. A. (2015). Are automated assessment tools helpful in programming...
  • Piech, C., Sahami, M., Koller, D., Cooper, S., & Blikstein, P. (2012). Modeling how students learn to program. Proceedings of the 43rd...
  • Rivers, K., & Koedinger, K. (2015). Data-Driven Hint Generation in Vast Solution Spaces: a Self-Improving Python Programming Tutor. International...
  • Salomón, S., Duque, R., Montaña, J. L., & Tenés, L. (2019). Modeling Users Behavior in Groupware Applications. In Y. Luo (Ed.), Cooperative...
  • Salomón, S., Duque, R., Montaña, J., & Tenés, L. (2022). Towards automatic evaluation of the Quality-in-Use in context-aware software...
  • Sánchez-Sobrino, S., Gómez-Portes, C., Vallejo, D., González-Morcillo, C., & Redondo, M. Á. (2020). An Intelligent Tutoring System to...
  • Silva, L., Mendes, A. J., & Gomes, A. (2020). Computer-supported Collaborative Learning in Programming Education: A Systematic Literature...
  • Spacco, J., Denny, P., Richards, B., Babcock, D., Hovemeyer, D., Moscola, J., & Duvall, R. (2015). Analyzing Student Work Patterns Using...
  • van der Aalst, W. (2012). Process Mining: Overview and Opportunities. ACM Trans. Manage. Inf. Syst., 3(2). doi:10.1145/2229156.2229157