Modelos y herramientas para la representación y análisis de datos en lms para enseñanzas universitarias

Resumo

La integración de herramientas colaborativas en educación superior, conocidas como Entornos Virtuales de Aprendizaje (EVA) o Learning Managament System (LMS), como serán referenciadas en este trabajo, han experimentado un auge significativo en los útlimos años, mejorando el proceso de enseñanza y experiencia de aprendizaje. Los LMS incluyen una gran variedad de herramientas que ayudan a enriquecer la labor docente, proporcionando gestión de contenidos, distribución de tareas y permitiendo la comunicación entre usuarios de manera unificada a través de un entorno único, mediante el uso de foros, videoconferencias o grupos de chat. Si bien la educación a distancia está consolidada desde hace tiempo, en la última decada se han afianzado nuevas modalidades precursoras de ésta, como es el caso de las modaliadades on-line y blended, también conocidas como mixtas, cobrando un papel fundamental la necesidad de integrar LMS en las universidades. Gracias a su uso el estudiante puede trabajar de un modo autónomo, facilitan la interacción con otros usuarios a través de herramientas colaborativas, proporcionan nuevos métodos para la gestión de recursos y principalmente afianzan los nuevos modelos de aprendizaje. A su vez aumentan la participación de los estudiantes matriculados en estas modalidades, motivados hacia un aprendizaje más efectivo. La implantación de LMS se ha extendido a un 99% en las universidades, siendo utilizadas por un 85% de usuarios, llegando incluso a un uso diario del 56%. A pesar de estos índices de uso tan altos, la percepción de los usuarios es la de no aprovechar todas sus funcionalidades, relegando su uso a las herramientas más básicas. Por tanto serían necesarias directrices que permitan explotar al máximo las capacidades que ofrecen estos entornos. En este trabajo se realiza una exploración entre plataformas LMS, teniendo en cuenta las más demandadas por las universidades y aquellas que incluyan módulos de monitorización de actividad de usuarios , cuya finalidad es la búsqueda de patrones comunes que ayuden a encontrar posibles incidencias o necesidades en el uso del LMS y de este modo poder analizar las metodologías utilizadas. Se realiza una exploración de las plataformas de código abierto: Moodle, Canvas by Instructure y Sakai, siendo esta última la seleccionada, al ser la empleada en la institución objeto del estudio y cumplir los requisitos preestablecidos. Se crean nuevas oportunidades basadas en el modelado de los datos a través de sistemas basados en conocimiento siguiendo técnicas apropiadas para entornos colaborativos, que registran un gran volumen de datos y eventos generados por los usuarios. Por tanto, la semántica de estos datos y eventos podría ser capturada y utilizada como entrada en un sistema sensible al contexto integrado en cualquier LMS. Para la integración de Sakai con la Web Semántica, se propondrá un modelo ontológico llamado OntoSakai capaz de generar perfiles de los usuarios destinados a personalizar el uso de herramientas de LMS y recomendar recursos para alcanzar el beneficio óptimo, tanto en el ámbito docente como para el proceso de aprendizaje. El creciente interés por el análisis de datos en ámbitos educacionales, se centra en la búsqueda de soluciones para la mejora del proceso del aprendizaje de los estudiantes, que estudian la evolución académica con el objetivo de predecir actuaciones futuras e identificar elementos problemáticos, sin tener en cuenta la actividad del profesorado. La monitorización de estos datos posibilitaría crear estrategias educativas que permitan personalizar la actividad formativa, diseñar entornos de aprendizaje acordes con las necesidades, creando nuevos modelos que mejoren la interacción de profesores y estudiantes con los entornos de aprendizaje. Nos centramos en la búsqueda y análisis de módulos que permitan generar informes sobre los registros de usuarios y uso de las diferentes herramientas asociadas en un espacio temporal específico. Éstos deben reflejar con detalle diferentes métricas , tales como: conexiones realizadas, número de descargas de recursos, participación en herramientas colaborativas, etc. Estos informes facilitarán el nivel de detalle necesario que permita llevar un seguimiento de uso específico a tiempo real e independiente del rol del usuario. Sin embargo, los informes generados por los LMS no alcanzan el nivel de detalle suficiente y se centran principalmente en la actividad generada por los estudiantes, poniendo de manifiesto la necesidad de crear herramientas capaces de monitorizar la actividad del profesorado. Los resultados obtenidos no proporcionan información sobre actividades pendientes ni seguimiento del profesor (número de foros sin responder, tareas sin corregir, etc.), tiempo de respuesta en las distintas actividades (tiempo medio que tarda el profesor en responder un foro, tiempo medio que tarda en corregir una tarea, etc.), entre otra información de interés. Otro de los problemas detectados es que no permiten una supervisión global del estado de una titulación o curso, lo que obliga a una revisión de modo independiente , siendo un proceso tedioso y repetitivo. Para el tratamiento de los datos recogidos de los LMS, utilizaremos E-learning analytics, se trata de un campo de estudio emergente donde se sintetizan y estudian conexiones entre técnicas educacionales , conceptos de aprendizaje y minerías de datos educativas teniendo en cuenta todos los roles implicados en el proceso. La ausencia de herramientas o módulos que interpreten automáticamente la información adquirida de LMS, genera nuevas necesidades, debido a la imposibilidad de localizar fácilmente correlaciones entre el conocimiento adquirido del uso en LMS y predicciones de comportamiento de los usuarios. Se pone de manifiesto la necesidad de herramientas capaces de ofrecer recomendaciones de los contenidos y servicios, que ayuden tanto a los estudiantes en su proceso de aprendizaje, como a los docentes en las selección de metodologías para la gestión de sus asignaturas y de este modo definir un comportamiento proactivo en ambos casos. En la actualidad esta carga de trabajo se desplaza a los profesores, quienes deben buscar cualquier posible correlación entre los indicadores de uso y los resultados de los estudiantes de una manera manual y costosa. Ante la dificultad de obtener resultados en E-learning analytics, se desarrolla OnlineData, integrada en nuestro LMS de estudio (Sakai). Se trata de una herramienta software propia y personalizada, con una interfaz amigable para la monitorización del profesorado, adaptada a la metodología seguida y apoyada en técnicas de LA, VA y métricas e-learning. Gracias al uso de OnlineData que permite tener una visión objetiva y detallada de la actividad del profesorado en Sakai y junto con la realización de encuestas a los docentes que proporcionan una visión subjetiva, es posible seguir avanzando en la investigación del comportamiento del profesorado en LMS. Contrastando ambas visiones, es posible ofrecer recomendaciones para mejorar la metodología aplicada y poder detectar posibles carencias en el desempeño diario de los LMS. Esta tesis doctoral sugiere nuevos hábitos para la utilización de Sakai y se proponen nuevas estrategias docentes que ayuden a mejorar la experiencia de uso y los resultados académicos que en un futuro podrán completar nuestro modelo semántico OntoSakai. Actualmente, supone un desafío utilizar técnicas que modelen computacionalmente el conocimiento adquirido en plataformas LMS y permitan crear informes personalizados que ofrezcan servicios de recomendación distinguiendo perfiles de usuario. El análisis de datos académicos abre múltiples líneas de investigación, las cuales suponen nuevos retos y desafíos para la comunidad universitaria. Este trabajo estudia cambios en la utilización de los usuarios en los LMS a través del análisis de uso y propone nuevas metodologías docentes que ayuden a mejorar la experiencia y resultados académicos de los usuarios. Por tanto, definimos como objetivos principales de esta tesis doctoral: • Utilización la Web Semántica en un LMS como modelo basado en conocimiento para la recomendación de buenas prácticas docentes. • Análisis de modelos de comportamiento del profesorado en LMS. • Mejora del proceso de interacción y seguimiento de coordinación docente en LMS.