Análisis del Abandono desde la perspectiva de los foros

Castillejo Camacho, David. (2022). Análisis del Abandono desde la perspectiva de los foros Master Thesis, Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial

Ficheros (Some files may be inaccessible until you login with your e-spacio credentials)
Nombre Descripción Tipo MIME Size
CastillejoCamacho_David_TFM.pdf CastillejoCamacho_David_TFM.pdf application/pdf 7.84MB

Título Análisis del Abandono desde la perspectiva de los foros
Autor(es) Castillejo Camacho, David
Resumen La educación a distancia se ha consolidado en los últimos años como un método de enseñanza presente en todos los niveles a partir de la educación primaria. Este modo de aprendizaje se ha consolidado y expandido de forma más intensa a causa de la situación de pandemia vivida durante los años 2020 y 2021. Existen multitud de disciplinas de estudios, oficiales o no, que optan por esta modalidad para impartir contenidos y valorar los resultados del aprendizaje. Dentro de este campo, la Universidad Nacional de Educación Distancia con más de 50 años de experiencia ha sido pionera en la modalidad eLearning. Dentro de los cursos virtuales de cada asignatura, los foros de alumnos de la UNED constituyen una herramienta de estudio en la que los alumnos comparten dudas, y participan dando respuestas y generan nuevos contenidos sobre los temas de cada asignatura siendo en sí mismos una nueva fuente de bibliografía añadida a la propuesta por el equipo docente. Además, el equipo docente puede proponer cuestiones que promuevan profundizar en aspectos importantes de la materia que se imparte. El estudio de la calidad de las aportaciones de los estudiantes, tanto a la hora de proponer preguntas y nuevos temas de debate como cuando se trata de dar respuesta a las cuestiones planteadas por los compañeros puede suponer un retorno de información muy valioso para la mejora de la actividad docente y la oferta formativa. La interacción de los alumnos dentro de cada curso virtual y en concreto la interacción entre alumnos y de alumnos con profesores queda registrada y compone una información con la que no se suele contar para la modalidad de educación presencial. Mediante las técnica de análisis recogidas bajo el nombre de learning analytics y educational data minning se estudian los datos extraídos de las comunicaciones dentro de los foros para inferir resultados como el abandono temprano de una asignatura o la calificación del alumno. Existen numerosos motivos por los que un alumno puede abandonar el estudio de una asignatura, la detección temprana del abandono puede ayudar en la tarea docente para la consecución de los objetivos educativos de los Grados y Masters, así como a los propios alumnos a conocer su propia situación. El objeto de este Trabajo Fin de Master es analizar, en base a las participaciones en los foros de estudiantes de la UNED, el abandono y las distribuciones en las calificaciones de las asignaturas de la UNED. Para este estudio se ha partido de una asignatura de tercero del grado de informática. Más concretamente, en este trabajo se van a realizar predicciones de las notas y posibles abandonos de los alumnos. Estas predicciones estarán basadas en modelos de Aprendizaje Automático y para ello, se analizarán los mensajes escritos en los foros mediante técnicas de procesamiento del lenguaje natural. Como resultado del análisis de los datos, por un lado, vemos que la participación en los foros influye en la calificación final ya que el 84.6% de los alumnos que participan, se presentan en alguna de las convocatorias y el 68.3% aprueban. Por otro lado, en los ensayos realizados se concluye que con los métodos utilizados sobre el conjunto de datos suministrado, no se puede identificar con precisión a los alumnos que abandonan o suspenden la asignatura. Afecta especialmente el hecho de tener un conjunto de datos de entrenamiento fuertemente desbalanceado.
Abstract Distance education has been consolidated in recent years as a teaching method you can find at every academic stage from primary education. This mode of learning technique has been widely expanded due to the pandemic situation experienced during the years 2020 and 2021. There are multitude of study disciplines, both official and unofficial, that opt for this modality of teaching educational contents and assessing learning outcomes. Within this field, the National Distance Education University (UNED), has been pioneer in the eLearning modality. Within virtual courses of each subject, UNED student chats are an important study tool where students share doubts, and participate by giving different points of views and generating new content about the topics of each subject. These new contents are often a new source of bibliography added to that is proposed by the teaching staff. In addition, teaching staff, can propose questions that promote further study of important aspects of any subject. Studying the quality of student contributions, both in term of proposing questions and new topics for discussion, and in answering to the ideas posed by peers, can provide such valuable feedback for the improvement of teaching and educational offer. Interaction within virtual courses, whether between students or between students and teachers, is registered and it constitutes information that is not available in face-to-face education. Using the analysis techniques known as Learning Analytics and Educational Data Mining, data extracted from the communications within the chats could be studied in order to infer results such as the early abandonment of a subject or the student’s mark. There are many reasons why a student may drop out a subject. Early detection of drop-outs can help teaching staff to achieve the educational objectives of Bachelor’s and Master’s degrees, as well as helping students themselves to understand their own situation. The aim of this final Master’s project is to analyse, based on the participation on UNED student chats, the drop-out and mark’s distribution within UNED subjects. his work has analysed the messages of students of a third-year subject of the degree in Computer Science. More specifically, this work uses some natural language processing techniques to make predictions, based on Machine Learning models, about students' marks and possible dropouts. As a result of the data analisys, on the one hand, we can see that participation in the forums influences the student final marks, since 84.6% of the students who participate, attend one of the convocations and 68.3% pass. On the other hand, the tests carried out conclude that with the methods used on the set of data provided, it is not possible to accurately identify the students who drop out the subject or do not pass it. This is particularly affected by the fact that the training data set is strongly unbalanced.
Notas adicionales Trabajo de Fin de Máster Universitario en Ingeniería y Ciencia de Datos. UNED
Materia(s) Ingeniería Informática
Palabra clave aprendizaje automático
NPL
cursos virtuales
UNED
Spacy
learning analytics
educational data mining
Gephi
machine learnign
virtual courses
Editor(es) Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial
Director/Tutor Rodrigo Yuste, Álvaro
Fecha 2022-06-01
Formato application/pdf
Identificador bibliuned:master-ETSInformatica-ICD-Dcastillejo
http://e-spacio.uned.es/fez/view/bibliuned:master-ETSInformatica-ICD-Dcastillejo
Idioma spa
Versión de la publicación acceptedVersion
Nivel de acceso y licencia http://creativecommons.org/licenses/by-nc-nd/4.0
info:eu-repo/semantics/openAccess
Tipo de recurso master Thesis
Tipo de acceso Acceso abierto

 
Versiones
Versión Tipo de filtro
Contador de citas: Google Scholar Search Google Scholar
Estadísticas de acceso: 307 Visitas, 116 Descargas  -  Estadísticas en detalle
Creado: Tue, 12 Jul 2022, 20:01:01 CET