Publicación:
Predicción de abandono en MOOC mediante aprendizaje automático: revisión sistemática y meta-análisis

Cargando...
Miniatura
Fecha
2024-02
Editor/a
Director/a
Tutor/a
Coordinador/a
Prologuista
Revisor/a
Ilustrador/a
Derechos de acceso
Atribución-NoComercial-SinDerivadas 4.0 Internacional
info:eu-repo/semantics/openAccess
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática.
Proyectos de investigación
Unidades organizativas
Número de la revista
Resumen
El principal problema de los MOOC (Massive Open Online Courses) es su alta tasa de abandono. En los últimos años se han desarrollado gran cantidad de técnicas para predecir abandonos de forma temprana y automatizada. La gran mayoría de ellas basadas en los últimos avances en Inteligencia Artificial, especialmente en técnicas de aprendizaje automático. En este trabajo se realiza una síntesis cuantitativa del rendimiento de técnicas de aprendizaje automático para la predicción temprana de abandono en MOOC. Para lograrlo se han empleado las técnicas de revisión sistemática y meta-análisis. Se han extraído los datos de 11 artículos recopilados de distintas bases de datos científicas siguiendo los estándares de la guía PRISMA. El análisis se ha realizado utilizando distintos modelos, implementados tanto con un enfoque frecuentista como bayesiano. Además, mediante análisis de subgrupos se ha estudiado la relación de algunas de las características de los estudios con el rendimiento obtenido. Los resultados indican que este tipo de sistemas son capaces de detectar un alto porcentaje de abandonos. Sin embargo, esto no se puede afirmar al completo debido a la heterogeneidad presente en todos los experimentos.
Descripción
Categorías UNESCO
Palabras clave
MOOC, meta-análisis, aprendizaje automático, modelos bayesianos
Citación
Centro
E.T.S. de Ingeniería Informática
Departamento
Inteligencia Artificial
Grupo de investigación
Grupo de innovación
Programa de doctorado
Cátedra
DOI