Uso del Método Bietápico en el estudio de los procesos de enseñanza y aprendizaje musical a través de Moodle

  1. Duarte de krummel, Matilde 1
  2. Espigares Pinazo, Manuel Jesús 2
  3. Bautista-Vallejo, José Manuel 3
  1. 1 Candidata a Doctora por la Universidad de Almería, España. Candidata a Doctora por la Universidad Iberoamericana, Red Pablo Neruda, Asunción, Paraguay. Investigadora de la Universidad del Cono Sur de las Américas, UCSA, Asunción, Paraguay Docente de la Universidad Autónoma de Asunción, UAA, Asunción, Paraguay. Consultora Cátedra Ciencia, Tecnología y Sociedad, CONACYT-OEI, Paraguay.
  2. 2 Universidad Internacional de La Rioja
    info

    Universidad Internacional de La Rioja

    Logroño, España

    ROR https://ror.org/029gnnp81

  3. 3 Universidad de Huelva
    info

    Universidad de Huelva

    Huelva, España

    ROR https://ror.org/03a1kt624

Mostrar afiliaciones +
Revista:
Revista Internacional de Investigación en Ciencias Sociales

ISSN: 2226-4000,  2225-5117

Año de publicación: 2017

Título del ejemplar: Diciembre, 2017

Volumen: 13

Número: 2

Páginas: 187-200

Tipo: Artículo

DOI: 10.18004/RIICS.2017.DICIEMBRE.187-200 DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: Revista Internacional de Investigación en Ciencias Sociales

Objetivos de desarrollo sostenible

Resumen

Este estudio presenta la aplicación de las técnicas del Big Data en procesos de enseñanza-aprendizaje musical, mediados por plataformas telemáticas. Se basa en la aplicación de los principios del aprendizaje virtual, la educación personalizada, el uso de Internet y la aplicación de las técnicas del Big Data a partir de la información recogida en sistemas de gestión del conocimiento. En concreto, se plantea la aplicación de dichas técnicas a los test de evaluación inicial, que el alumnado realiza a principio de curso, para medir su nivel de conocimientos previos en la materia. El análisis de la información se efectúa a partir de los datos recogidos en una herramienta para la elaboración de cursos online, Moodle. A partir de dichos datos, se halla un modelo, denominado Bietápico, que permite clasificar los diferentes niveles de conocimientos musicales. Esta técnica posibilita la división de la información en clusters o conglomerados, a través de procesos de análisis programados y automatizados. En definitiva, el modelo bietápico ofrece una manera válida y fiable de gestionar datos masivos en línea en procesos de aprendizaje musical, clasificar la información recogida en las bases de datos y establecer perfiles de alumnado facilitando su monitorización y seguimiento educativos.

Referencias bibliográficas

  • Aydin, C.C. & Tirkes, G. (2010). Open Source Learning Management Systems in Distance Learning. TOJET: The Turkish Online Journal of Educational Technology, 9(2), 175-184. Recuperado de http://www.tojet.net/articles/v9i2/9218.pdf
  • Bryk, A. & Raudenbush, S. (2002). Hierarchical Lineal Models: Applications and Data Analysis Methods. California: Sage Publications.
  • Calderero, J., Aguirre, A., Castellanos, A., Peris, R. y Perochena, P. (2014). Una nueva aproximación al concepto de educación personalizada y su relación con las tic. Teoría de la Educación. Educación y Cultura en la Sociedad de la Información, 15 (2), 131-151.
  • Irigoien, I. y Arenas, C. (2006). Clasificación: Análisis de clusters (clustering). En B. Sierra (coord.) Aprendizaje automático: conceptos básicos y avanzados. Aspectos prácticos utilizando el software Weka. Madrid: Editorial Pearson Prentice Hall.
  • Kay, J., Reimann, P., Diebold, E. & Kummerfeld, B. (2013). MOOCs: So Many Learners, So Much Potential. IEEE InTeLLIGenT SySTemS, (28)3, May-June, 70-77. DOI: http://doi.ieeecomputersociety.org/10.1109/MIS.2013.66
  • Kearney, M.S. & Levine, P.B. (2015). Early Childhood Education by MOOC: Lessons from Sesame Street. NBER Working, Paper No. 21229, June. DOI: 10.3386/w21229.
  • Kop, R. (2011). The challenges to connectivist learning on open online networks: Learning experiences during a massive open online course. The International Review of Research in Open and Distance Learning, 12(3), 19-38.
  • Montgomery, A. P.; Hayward, D. V. ; Dunn, W.; Mike Carbonaro, M. & Amrhein C. G. (2015). Blending for student engagement: Lessons learned for MOOCs and beyond. Australasian Journal of Educational Technology , 31(6), 657-670.
  • Moodle (2016). Modular Object-Oriented Dynamic Learning Environment. Recuperado de http://www.moodle.org (10-02-2016).
  • Murillo, F. (2008). Multilevel Models as a Tool for Research in Education. Magis. Revista Internacional de Investigación en Educación, 1(1), 45-62.
  • Oliveira, R.S. (2014). A utilização das tecnologias de informação e comunicação no espaço escolar. Itaporanga: Universidade Estadual da Paraíba.
  • RAND Corporation (2014). Early progress: Interim research on personalized learning. Seattle, WA: The Bill and Melinda Gates Foundation.
  • Redding, S. (2014a). Personal Competencies in Personalized Learning. Center on Innovations in Learning, Temple University, Philadelphia, PA. Recuperado de http://www.centeril.org/publications/Personalized_Learning.pdf (16-05-2016).
  • Redding, S. (2014b). Personal Competency. A Framework for Building Students’ Capacity to Learn. Philadelphia, PA: Temple University, Center on Innovations in Learning. Recuperado de http://www.centeril.org/publications/Personal_Compentency_Framework.pdf (16-05-2016).
  • Redding, S. (2014c). The something other: Personal competencies for learning and life. Philadelphia, PA: Temple University, Center on Innovations in Learning. Recuperado de http://eric.ed.gov/?id=ED558074 (16-05-2016).
  • Sadovaya, V.V.; Korshunova, O.V. & Nauruzbay, Z.Z. (2016). Personalized Education Strategies. Mathematics Education, 11(1), 199-209.
  • Sandler, S. (2012). People v. ‘personalization’: Retaining the human element in the high-tech era of education. Education Week, 31(22), 20-22.
  • Santos, I. y Carvalho, A.A. (2014). Formação de Professores em LMS: o Modelo Bietápico. Revista Iberoamericana de Informática Educativa, 20, Julio-Diciembre, 11-20.
  • Twyman, J. (2014). Competency-based Education: Supporting Personalized Learning. Philadelphia, PA: Center on Innovations in Learning. Recuperado de http://www.centeril.org/connect/resources/Connect_CB_Education_Twyman 2014_11.12.pdf (16-05-2016).
  • Yin, R.K. (2009). Case Study Research: Design and Methods. California: Sage Publications.
Fuente de los datos: Dialnet