Web Analytics to develop a Learning Analytics environment and its relationship with academic performance in virtual courses
DOI:
https://doi.org/10.22458/ie.v23iEspecial.3615Keywords:
distance education, online learning, student assessment, student behavior, web analytics, learning analyticsAbstract
The object of this research was to demonstrate how relevant information can be extracted from Web Analytics to develop a Learning Analytics environment in virtual courses and implement metrics correlated to academic performance. In this sense, the methodology presented a non-experimental research design, with a correlational descriptive scope and a longitudinal data collection. The population was made up of first-cycle students from an asynchronous academic research course and the sample was represented by 59 students. The information collected included data generated by each student in three aspects: visits to pages within the course, participation in course activities (forums, assignments, questionnaires, etc.) and grades. The results showed the following average behavior of the students: 3809 visits per week, 563 visits per day, 143 participations per week and 21 participations per day. When relating the web metrics to academic performance (grades), the following values were obtained, corresponding to Spearman’s Rho: 0.628 (p <0.00) between visits and grades and 0.638 (p <0.00) between participations and grades. Finally, it could be concluded that metrics based on Web Analytics are a primary source to start the development of an environment associated with Learning Analytics. Likewise, a directly proportional relationship of web metrics with academic performance was shown.
References
Álvarez, P., Álvarez, A., Bravo, C., Cristóbal, J., & Angulo, T. (2020). Tipologías de estudiantes de Fisioterapia según el uso que hacen del campus virtual. Revista d’Innovació Docent Universitària, 1(12), 74–81. https://doi.org/10.1344/ridu2020.12.8
Barráez, D. (2020). La educación a distancia en los procesos educativos: Contribuye significativamente al aprendizaje. Revista Tecnológica-Educativa Docentes 2.0, 8(1), 41–49. Recuperado de https://ojs.docentes20.com/index.php/revista-docentes20/article/view/91
Benavente, E. (2018). El uso de los recursos virtuales y su relación con el aprendizaje del idioma inglés en los estudiantes del VIII ciclo de la especialidad de inglés-español como lengua extranjera de la Universidad Nacional de Educación Enrique Guzmán y Valle, La Cantuta (Tesis de segunda titulación). Universidad Nacional de Educación Enrique Guzmán y Valle, Perú. Recuperado de http://repositorio.une.edu.pe/handle/UNE/1731
Bharara, S., Sabitha, S., & Bansal, A. (2018). Application of learning analytics using clustering data Mining for Students’ disposition analysis. Education and Information Technologies, 23(2), 957–984. https://doi.org/10.1007/s10639-017-9645-7
Bortulé, M., Scagliotti, A., Frisco, A., Corvalán, D., Cuch, D., & Vigh, C. (2020). Enseñanza virtual durante la pandemia, un curso de Física elemental. Latin-American Journal of Physics Education, 14(4), 1–9. Recuperado de http://www.lajpe.org
Chan, A. K. M., Botelho, M. G., & Lam, O. L. T. (2019). Use of learning analytics data in health care–related educational disciplines: Systematic review. Journal of Medical Internet Research, 21(2), e11241. https://doi.org/10.2196/11241
Cukierman, U., & Vendrell, E. (2020). Aprendizajes reales en ambientes virtuales. El rol de la tecnología en la era de la Inteligencia Artificial y el Big Data. Cuaderno de Pedagogía Universitaria, 17(34), 59–67. https://doi.org/10.29197/cpu.v17i34.396
Hernández, J., Espinosa, J., Penaloza, M., Díaz, E., Bautista, M., Riaño, M., … Bermúdez, V. (2018). Sobre el uso adecuado del coeficiente de correlación de Pearson: verificación de supuestos mediante un ejemplo aplicado a las ciencias de la salud. Archivos Venezolanos de Farmacología y Terapéutica, 37(5), 552–561. Recuperado de https://www.redalyc.org/jatsRepo/559/55963207020/55963207020.pdf
Hernández, R., Fernández, C., & Baptista, P. (2014). Metodología de la investigación. México D.F., México: McGraw-Hill/Interamericana Editores S.A.
Laura, J., Ramos, M., & Suni, L. (2018). Los servicios del MOODLE y Facebook y su relación en el proceso enseñanza - aprendizaje de la unidad didáctica de materiales industriales del I semestre del área académica de mecánica de producción, del I.E.S.T.P. José Carlos Mariátegui, Moquegua 2016. (Tesis de Maestría). Universidad Católica de Santa María, Perú. Recuperado de http://tesis.ucsm.edu.pe/repositorio/handle/UCSM/7445
Menezes, A., de Souza, G., da Silva, R., & Teixeira, E. (2021). Uso de Learning Analytics sobre dados de simulados para apoio à avaliação da aprendizagem por professores e gestores. Revista RENOTE Novas Tecnologias Na Educacao, 18(2), 388–397. https://doi.org/10.22456/1679-1916.110259
Nguyen, A., Gardner, L., & Sheridan, D. (2020). Data Analytics in Higher Education: An Integrated View. Journal of Information Systems Education, 31(1), 61–71. Recuperado de https://aisel.aisnet.org/jise/vol31/iss1/5
Pérez, A. L., García, M. J., & López, M. L. (2013). Evaluación del proceso de un programa realizado a través de internet y de la telefonía móvil para promover conductas saludables en estudiantes de educación secundaria de España y México. Revista Española de Salud Pública, 87(4), 393–407. Recuperado de www.alertagrumete.com/backend.php
Pinkwart, N., & Liu, S. (2020). Artificial Intelligence Supported Educational Technologies (Springer, Ed.).
Ranjeeth, S., Latchoumi, T. P., & Paul, P. V. (2020). A Survey on Predictive Models of Learning Analytics. Procedia Computer Science, 167, 37–46. Elsevier B.V. https://doi.org/10.1016/j.procs.2020.03.180
Restrepo, L., & González, J. (2007). De Pearson a Spearman. Revista Colombiana de Ciencias Pecuarias, 20(2), 183–192. Recuperado de https://revistas.udea.edu.co/index.php/rccp/article/view/324135
Reyes, N. S., Morales, J. B., Moya, J. G., Teran, C. E., Rodriguez, D. N., & Altamirano, G. C. (2019). Model to predict academic performance based on neural networks and learning analytics. RISTI - Revista Iberica de Sistemas e Tecnologias de Informacao, (E17), 258–266. Recuperado de https://www.researchgate.net/publication/331178569_Model_to_predict_academic_performance_based_on_neural_networks_and_learning_analytics
Rohloff, T., Oldag, S., Renz, J., & Meinel, C. (2019). Utilizing web analytics in the context of learning analytics for large-scale online learning. IEEE Global Engineering Education Conference, EDUCON, April-2019, 296–305. https://doi.org/10.1109/EDUCON.2019.8725118
Salinas, J. (2020). Educación en tiempos de pandemia: tecnologías digitales en la mejora de los procesos educativos. Innovaciones Educativas, 22(Especial), 17–21. https://doi.org/10.22458/ie.v22iEspecial.3173
Sciarrone, F. (2018). Machine learning and learning analytics: Integrating data with learning. 2018 17th International Conference on Information Technology Based Higher Education and Training, ITHET 2018, 1–5. https://doi.org/10.1109/ITHET.2018.8424780
Stewart, C. (2017). Learning Analytics: Shifting from theory to practice. Journal on Empowering Teaching Excellence, 1(1), 10. https://doi.org/10.15142/T3G63W
Tobón, C., & Bedoya, J. (2017). Influencia de la asimetría en el tamaño de la muestra para el cumplimiento del teorema central del límite en distribuciones continúas. Scientia et Technica, 22(4), 398–402. https://doi.org/10.22517/23447214.9325
