Detección del alumno en riesgo en titulaciones de Ciencias de la Salud: aplicación de técnicas de Learning Analytics

  • María Consuelo Saiz Manzanares Universidad de Burgos (España)
  • Raúl Marticorena Sánchez Universidad de Burgos (España)
  • Álvar Arnaiz González Universidad de Burgos (España)
  • María del Camino Escolar Llamazares Universidad de Burgos (España)
  • Miguel Ángel Queiruga Dios Universidad de Burgos (España)

Resumen

La forma de enseñar y de aprender en la sociedad del siglo XXI ha cambiado. Actualmente, en un porcentaje alto la docencia se realiza en los Learning Management System. Estos sistemas permiten aplicar técnicas de Learning Analytics. La utilización de dichas herramientas, facilita, entre otros, conocer el patrón de aprendizaje de los estudiantes y la predicción de los alumnos en riesgo. El objetivo de este estudio fue conocer en orden jerárquico de importancia los patrones de aprendizaje más efectivos de los estudiantes en la plataforma. Se trabajó durante dos cursos académicos con una muestra de 122 estudiantes de Ciencias de la Salud. Los instrumentos utilizados fueron la plataforma Moodle v.3.1 y el análsis de los logs con técnicas de Machine Learning de regresión. Los resultados indican que el Modelo de Predicción Lineal Automático detectó en orden de importancia: las visitas medias por día, la realización por parte del estudiante de cuestionarios de autoevaluación, y la consulta al feedback del docente. El porcentaje de varianza explicada de estas variables sobre los resultados finales fue de un 50.8%. Asimismo, la efectividad del patrón conductual explicó 64.1% de la varianza de dichos resultados, hallándose tres clústeres de efectividad en el patrón conductual detectado.

Citas

ANECA (2018). Informe sobre el estado de la evaluación externa de la calidad en las universidades
españolas 2017. Documento no publicado.

Asif, R., Merceron, A., Ali, S.A., y Haider, N.G. (2017). Analyzing undergraduate students'
performance using educational data mining. Computers y Education, 113, 177-194.
doi: 10.1016/j.compedu.2017.05.007.

Baker, R.S., y Corbett, A.T. (2014). Assessment of robust learning with educational data mining.
Research & Practice in Assessment, 9, 38-50.

Bannert, M., Reimann, P., y Sonnenberg, C. (2014). Process mining techniques for analysing
patterns and strategies in students; self-regulated learning. Metacognition and Learning,
9, 161-185. doi: 10.1007/s11409-013-9107-6.

Bogarín, A., Cerezo, R., y Romero, C. (2017). Discovering learning processes using Inductive
Miner: A case study with Learning Management Systems (LMSs). Psicothema, 30(3).
doi: 10.7334/psicothema2018.116.

Bouchet, F., Harley, J., Trevors, G., y Azevedo, R. (2013). Clustering and profiling students
according to their interactions with an intelligent tutoring system fostering self-regulated
learning. Journal of Educational Data Mining, 5, 104-146.

Carbonero, M.A., Román, J.M., y Ferrer, M. (2013). Programa para “aprender estratégicamente”
con estudiantes universitarios: diseño y validación experimental. Anales de Psicología,
29, 876-885. doi: 10.6018/analesps.29.3.165671.

Cerezo, R., Sánchez-Santillan, M., Paule-Ruiz, M.P., y Núñez, J.C. (2016). Students’ LMS
interaction patterns and their relationship with achievement: a case study in higher
education. Computer and Education, 96, 42–54. doi: 10.1016/j.compedu.2016.02.006.

ENQA (2018). Considerations for quality assurance of e-learning provision. Recuperado:
https://enqa.eu/indirme/Considerations%20for%20QA%20of%20elearning%20provision.pdf

Marticorena, R., Sáiz, M.C., Arnaiz, Á., Escolar, M.C., y Queiruga, M.Á. (2018). Análisis de los
resultados de aprendizaje en Ciencias de la Salud: Learning Analytics desde un plugin
para Moodle. En J.J. Gázquez et al., Intervención en contextos clínicos y de la Salud.
(Vol. II, pp.263-272). Almería: SCINFOPER.

Román, J.M., y Poggioli, L. (2013). ACRA (r): Escalas de estrategias de aprendizaje [Scales of
learning skills]. Caracas: Publicaciones UCAB (Postgrado: Doctorado en Educación).

Romero, C., y Ventura, S. (2007). Educational data mining: A survey from 1995 to 2005. Expert
Systems with Applications, 33(1), 135-146. doi: 10.1016/j.eswa.2006.04.005.

Sáiz, M.C. (2018), E- Project Based Learning en Terapia Ocupacional: una aplicación en la
asignatura “Estimulación Temprana. Servicio de Publicaciones de la Universidad de
Burgos, Burgos.

Sáiz, M.C., Marticorena, R., García-Osorio, C.I. (2017). Programa individualizado de e-orientación
al estudiante desde la plataforma Ubuvirtual: aplicación de Técnicas de Minería de Datos.
En V. Abella, V. Ausín y V. Delgado (Eds.), XXV Jornadas Universitarias de Tecnología
Educativa: Aulas y Tecnología Educativa en evolución (pp. 476-484). Burgos:
EDTNTEC.

Sáiz, M.C., Marticorena, R., García-Osorio, C.I., Escolar, M.C., y Queiruga, M.I. (2017). Conductas
de aprendizaje en LMS: SRL y feedback efectivo en LMS. En J.C Núñez, et al. Temas
actuales de investigación en las áreas de la Salud y la Educación (pp.747-752). Almería:
SCINFOPER

Sáiz, M.C., Marticorena, R., García-Osorio, C.I., y Díez-Pastor, J.F. (2017). How do B-Learning
and Learning Patterns Influence Learning Outcomes? Frontiers in Psychology, 8(745),
1-13. doi: 10.3389/fpsyg.2017.00745.

Saqr, M., Fors, U., y Tedre M. (2017). How learning analytics can early predict under-achieving
students in a blended medical education course. Med Teach, 39(7), 757-767.
doi: 10.1080/0142159X.2017.1309376

Saeed, N., Yang, Y., y Sinnappan, S. (2009). Emerging Web Technologies in Higher Education: A
Case of Incorporating Blogs, Podcasts and Social Bookmarks in a Web Programming
Course based on Students’ Learning Styles and Technology Preferences. Educational
Technology & Society, 12(4), 98-109. Recuperado: https://goo.gl/wuA1e

Schneider, B., y Blikstein, P. (2016). Flipping the flipped classroom: A study of the effectiveness of
video lectures versus constructivist exploration using tangible user interfaces. IEEE
transactions on learning technologies, 9(1), 5-17.

Statistical Package for the Social Sciences (SPSS) (Versión 24). [Software de análisis estadístico de
datos]. Madrid: IBM.

Trcka, N., y Pechenizkiy, M. (2009). From local patterns to global models: Towards domain driven
educational process mining. Intelligent Systems Design and Applications, 2009. ISDA'09.
Ninth International Conference on. IEEE (pp. 1114-1119).

Veenman, M.V.J., Bavelaar, L., De Wolf, L., y Van Haaren, M.G.P. (2014). The online assessment
of metacognitive skills in a computerized learning environment. Learning and Individual
Differences, 29, 123-130. doi: 10.1016/j.lindif.2013.01.003.
Sección
Artículos