Resumen de Modelling Course Difficulty Indexes to Enhance Students Performance and Course Study Plans

Mohammed Ibrahim Al-Twijri

• español

  El objetivo general de esta tesis ha sido abordar la tarea de la planificación de cursos a largo plazo (Long Term Course Planning – LTCP), asesorando a los estudiantes para que elijan el plan de aprendizaje que más les convenga, y reduciendo la tasa de abandono. Este objetivo general se desglosa en una serie de subobjetivos tal y como se describe: • Proponer un enfoque de minería de patrones secuenciales que analice, de forma descriptiva, diferentes planes de estudio para estudiantes similares. Este plan de estudios viene dado por la consideración de los datos históricos de los alumnos con buenas notas en cuanto a cursos y notas medias de la titulación. • Presentar un índice de dificultad del curso para medir la elegibilidad de un curso específico. Se considera un valor máximo de dificultad para que los estudiantes hagan las elecciones de acuerdo con la métrica proporcionada. • Proponer una aplicación web para que sea posible obtener el valor del índice de dificultad para diferentes asignaturas de diferentes titulaciones. • Aplicar los subobjetivos anteriores a un problema real con información de la King Abdulaziz University (KAU), una de las universidades más importantes de Arabia Saudí, ubicada en la ciudad de Jeddah. Los datos analizados procedían de múltiples fuentes en entornos heterogéneos como el sistema ODUSPLUS que utiliza la base de datos Oracle, el sistema ANJEZ que utiliza la base de datos DB2, NOOR, ENTEMAA y ESTEBANA que almacenan los datos en la base de datos SQL. En cuanto al desarrollo de la tesis, se ha comenzado con una revisión del estado del arte de las temáticas de interés, a saber: minería de patrones en educación, minería de currículos académicos, sistemas de personalización, etc. Con esta visión en mente se ha planteado la hipótesis general de que las técnicas de extracción de conocimiento pueden ayudar a la obtención de nuevos métodos que ayuden al desarrollo de sistemas de apoyo a la decisión aplicados a LTCP. En este sentido, se han desarrollado dos propuestas para personalización de currículos: La primera se basa en minería de patrones secuenciales para descubrir qué secuencias de materias son las que conducen a perfiles de éxito (mejores calificaciones en la titulación). Esta contribución ha consistido en el desarrollado un algoritmo evolutivo especialmente diseñado para analizar secuencias de cursos que diferencien claramente los alumnos con notas excelentes del resto. Estas secuencias permiten establecer unos índices de dificultad para recomendar asignaturas según las asignaturas cursadas previamente. El enfoque arrojó excelentes resultados en el caso del estudio produciendo secuencias interesantes para cada alumno concreto en función de los cursos anteriores que ya había superado. La recomendación se hizo en función de los cursos ya realizados por estudiantes similares y obteniendo un excelente promedio final. Además, esta metodología fue capaz de proporcionar planes de estudio completos desde las primeras etapas de la carrera, lo cual es importante para los nuevos estudiantes. Además, se ha propuesto una métrica de índice de dificultad de los cursos y se utiliza una aplicación online para describir qué cursos son más difíciles para que los estudiantes puedan elegir diferentes cursos según un valor de dificultad máximo. La segunda propuesta consistió en el cálculo de un índice de dificultad de cursos, denominado DMDIM, el cual se puede utilizar para llevar a cabo una estimación adecuada de la carga que supone para los estudiantes la elección de un determinado conjunto de asignaturas. La memoria muestra las hipótesis que han conducido a la obtención de este índice, ilustrándolo con varios ejemplos asociados a los datos académicos de la KAU. Los resultados muestran que el índice obtenido es una gran ayuda para aconsejar a los estudiantes sobre la carga de asignaturas a elegir durante un curso académico. Asimismo, sirve para que los responsables de organización académica puedan diseñar los itinerarios para mejorar el rendimiento de los alumnos en general. Esta segunda propuesta se ha implementado en una aplicación web que permite llevar a cabo el cálculo de todos los índices de dificultad de cursos de forma automática, permitiendo a los docentes y/o estudiantes obtener información sobre la carga docente que tiene la elección de un determinado bloque de asignaturas. Además de los resultados alcanzados en los experimentos planteados cabe indicar que, como resultado general, a la hora de diseñar los planes de estudio de los departamentos, toda institución educativa no debería basarse únicamente en las horas de crédito o en las unidades, sino que también debería tener en cuenta nuevos factor como es el índice de dificultad del curso o la secuencia correcta de actividades.

• English

  The overall aim of this thesis has been to address the task of Long-Term Course Planning (LTCP), advising students to choose the learning plan that suits them best, and reducing the drop-out rate. This overall objective is broken down into several sub-objectives as described: - To propose a sequential pattern mining approach that analyses, in a descriptive way, different study plans for similar students. This study plan considers historical data of students with good grades in terms of courses and average grades of the degree. - To present a course difficulty index to measure the eligibility of a specific course. A maximum difficulty value is considered for students to make choices according to the metric provided. - To propose a web application to make it possible to obtain the value of the difficulty index for different subjects of different degrees. - To apply the above sub-objectives to a real problem with data from King Abdulaziz University (KAU), one of the most important universities in Saudi Arabia, located in Jeddah. The analyzed data came from multiple sources from heterogeneous environments such as the ODUSPLUS system using the Oracle database, the ANJEZ system using the DB2 database, NOOR, ENTEMAA and ESTEBANA storing the data in the SQL database. As for the development of the thesis, it has started with a review of the state of the art of the topics of interest, namely: pattern mining in education, mining of academic curricula, personalization systems, etc. With this vision in mind, the general hypothesis has been put forward that knowledge extraction techniques can help obtain new methods that aid the development of decision support systems applied to LTCP. In this sense, two proposals for curriculum personalization have been developed: The first one is based on sequential pattern mining to discover which sequences of subjects are the ones that lead to successful profiles (better grades in the degree). This contribution has consisted of developing an evolutionary algorithm specially designed to analyse sequences of courses that differentiate students with excellent rates from the rest. Furthermore, these sequences establish difficulty indices to recommend subjects according to the previously taken issues. The approach yielded excellent results in the case study, producing interesting sequences for each student based on the previous courses they had already passed. The recommendation was based on the courses already taken by similar students, and an excellent final average was obtained. In addition, this methodology was able to provide complete study plans from the early stages of the course, which is essential for new students. A course difficulty index metric has been also proposed, and an online application is used to describe which courses are more difficult so that students can choose different courses according to a maximum difficulty value. The second proposal consisted of calculating a course difficulty index, called DMDIM, which can be used to carry out a proper estimation of the burden for students to choose a given set of subjects. The report shows the hypotheses that have led to the derivation of this index, illustrating it with several examples associated with KAU academic data. The results show that the index obtained is an excellent help in advising students on the load of subjects to choose from during an academic year. It also helps those responsible for educational organization design pathways to improve student performance. This second proposal has been implemented in a web application that automatically calculates all course difficulty indices, enabling teachers and/or students to obtain information on the teaching load of a given block of subjects to be chosen. In addition to the results achieved in the experiments, it should be noted that, as a general result, when designing departmental curricula, any educational institution should not only rely on credit hours or units but should also consider new factors such as the course difficulty index or the correct sequence of activities.