Minería de datos aplicada a la enseñanza virtual: : nuevas propuestas para la construcción de modelos y su integración en un entorno amigable para el usuario no experto

• Autores: Diego García Saiz
• Directores de la Tesis: Marta Elena Zorrilla Pantaleón (dir. tes.)
• Lectura: En la Universidad de Cantabria ( España ) en 2016
• Idioma: español
• Número de páginas: 270
• Tribunal Calificador de la Tesis: José Luis Balcázar Navarro (presid.) , Domingo Gómez Pérez (secret.) , Ernestina Menasalvas (voc.)
• Enlaces
  • Tesis en acceso abierto en: UCrea
• Resumen
  • español

    Las plataformas de aprendizaje virtual son ampliamente utilizadas en el sistema universitario español para la impartición de docencia virtual, así como para el apoyo de la docencia presencial en el aula. Éstas almacenan gran cantidad de datos acerca de la actividad que los estudiantes realizan en la mismas, los cuales, convenientemente tratados, permiten extraer patrones y modelos de comportamiento que ayuden a los profesores a entender y mejorar el proceso enseñanza-aprendizaje. Lamentablemente, la aplicación de las técnicas de minería de datos no está al alcance de todo el profesorado, y es por ello necesario proporcionar soluciones. Esta tesis avanza en este reto, por una parte, aportando el estudio, desarrollo y aplicación de técnicas de clasificación al problema de la predicción del rendimiento y por otra, proponiendo una arquitectura de sistema software que permita a profesores sin conocimientos sobre minería de datos obtener e interpretar dichos modelos.

  • English

    Nowadays, e-learning platforms are widely used in the Spanish universities for the impartation of virtual teaching and to support the presential teaching in the classroom. These platforms store a high amount of data related to the students� activity in courses, which can be conveniently treated to extract useful patterns and models that help the instructors to understand and improve the teaching-learning process. Nevertheless, the application of data mining techniques is not at hand for most instructors, thus it is necessary to provide solutions. This thesis progresses in this challenge by contributing, on the one hand, with the study, development and application of classification techniques for the students� performance prediction problem and, on the other hand, by proposing a software architecture system which allows instructors without knowledge in data mining to obtain and to interpret the aforementioned models.