Web analytics para desarrollar un entorno de learning analytics y su relación con el rendimiento académico en cursos virtuales
DOI:
https://doi.org/10.22458/ie.v23iEspecial.3615Palabras clave:
educación a distancia, aprendizaje en línea, evaluación del estudiante, comportamiento del alumno, analítica web, analítica de aprendizajeResumen
El objetivo de la presente investigación fue demostrar cómo a partir de la web analytics se puede extraer información relevante para desarrollar un entorno de learning analytics en cursos virtuales e implementar métricas correlacionadas al rendimiento académico. En ese sentido, la metodología presentó un diseño de investigación no experimental, con alcance descriptivo correlacional y una recolección de datos longitudinal. La población estuvo conformada por estudiantes de primer ciclo de un curso de investigación académica en modalidad asincrónica y la muestra estuvo representada por 59 personas estudiantes. La información recopilada comprendió datos generados por cada estudiante en tres aspectos: visitas a páginas dentro del curso, participaciones en actividades del curso (foros, tareas, cuestionarios, etc.) y las calificaciones. Los resultados mostraron el siguiente comportamiento promedio de los estudiantes: 3809 visitas por semana, 563 visitas diarias, 143 participaciones por semana y 21 participaciones diarias. Al relacionar las métricas web con el rendimiento académico (calificaciones) se obtuvieron los siguientes valores, correspondientes a la rho de Spearman: 0.628 (p<0.00) entre visitas y calificaciones y 0.638 (p<0.00) entre participaciones y calificaciones. Finalmente, se pudo concluir que las métricas basadas en la web analytics son una fuente primaria para iniciar el desarrollo de un entorno asociado a la learning analytics; asimismo, se mostró una relación directamente proporcional de las métricas web con el rendimiento académico.
Citas
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
