Sistema de predicción para la asistencia en el seguimiento del aprendizaje

View/Open
Document typeConference report
Defense date2015-07-08
PublisherUniversitat Oberta La Salle
Rights accessOpen Access
Abstract
Resumen:
El objetivo final de cualquier modelo docente es
maximizar los resultados de aprendizaje de cada
estudiante. A este objetivo, poco contribuye un proceso
de enseñanza-aprendizaje de talla única, basado
en una evaluación únicamente informativa, limitada a
unos pocos aspectos y que se realiza al final del
proceso, cuando ya no hay tiempo de reacción. Frente
a esta situación, proponemos un modelo basado en
una formación adaptativa, sustentado por un sistema
de evaluación formativa, progresiva y predictiva, que
permita detectar las carencias a tiempo y atenderlas
de inmediato.
Nuestra aportación en este sentido es una herramienta
automática y predictiva de apoyo a la evaluación, que
permite a los profesores seguir el desarrollo formativo
de los estudiantes y, al mismo tiempo, proporciona
una autoevaluación que sirve para mejorar la percepción
de progresión de los propios estudiantes. La
herramienta parte de un sistema instruccional gamificado
utilizado desde hace 6 años (PLMan), recolecta
un conjunto de datos de uso de este sistema y realiza
un análisis de los mismos mediante técnicas de Machine
Learning. A partir de los resultados parciales de
este análisis, obtenidos durante el período académico,
es capaz de realizar una predicción del rendimiento
del estudiante y una proyección de su progreso futuro,
presentando los resultados a través de unas interfaces
muy simples.
El sistema nos permite alcanzar un doble objetivo:
por un lado, facilita al profesor una herramienta para
realizar un seguimiento muy exhaustivo de la progresión
de sus estudiantes sin que esto suponga un
incremento importante de su carga de trabajo y, por
otro lado, los estudiantes obtienen una retroalimentación
inmediata de su progresión, lo que contribuye a
su motivación y a la posibilidad de enmendar sus
errores. Abstract:
The ultimate goal of any teaching model is to maximize
learning outcomes of each student. To this end, it
shortly contributes a one size teaching-learning
process, based on a just informative assessment,
limited to a few aspects and taking place at the end of
the process, when there is no reaction time. To face
this situation, we propose an approach based on an
adaptive training model, supported by a formative,
progressive and predictive assessment system to
detect deficiencies in time and address them immediately.
Our contribution to this model is an automatic and
predictive tool to support assessment. This tool,
allows the teacher to monitor the training development
of the students, while it also provides selfassessment
so that the students can have a better
perception about their own progression. This tool is
based on a gamified instructional system used for 6
years (PLMan). The predictive tool collects a set of
usage data from PLMan and it analyses the data using
Machine Learning techniques. From the partial
results of the analysis, obtained during the academic
term, it is able to predict the student performance and
to project the future progress. It presents the results
through very simple graphs.
The proposed system allows the fulfilment of two
objectives: on the one hand, it provides the teacher
with a tool to perform a very in-depth tracking of
students' progression without a significant increase on
their workload; on the other hand, the students get
immediate feedback on their progress, improving
CitationVillagrá-Arnedo, Carlos J. [et al.]. Sistema de predicción para la asistencia en el seguimiento del aprendizaje. A: JENUI 2015. "Actas de las XXI Jornadas de la Enseñanza Universitaria de la Informática". Universitat Oberta La Salle ed. Andorra la Vella: Universitat Oberta La Salle, 2015, p. 74-80.
DLDL: AND.92-2015
ISBN978-99920-70-10-9
Files | Description | Size | Format | View |
---|---|---|---|---|
JENUI2015_84-90.pdf | 361,8Kb | View/Open |
Except where otherwise noted, content on this work
is licensed under a Creative Commons license
:
Attribution-NonCommercial-NoDerivs 3.0 Spain