Post on 13-Jun-2015
description
De datos en crudo a información inteligente en sistemas de e-Learning: un
caso de estudio con la plataforma de Khan Academy
Pedro J. Muñoz-Merinopedmume@it.uc3m.espedmume@it.uc3m.es
Universidad Carlos III de Madrid
2
Sobrecarga de datos
Imagen tomada de http://www.datadial.net/blog/index.php/2011/08/24/why-your-website-isnt-as-fast-as-it-should-be/
3
Recomendador de anuncios
4
Información sobre partido de tenis
Imagen tomada de http://www.fieldtown.co.uk/protrackertennis/protracker_screenshots.htm
ProTracker Tennis
5
Datos en telefonía móvil
Imagen tomada de http://news.bbc.co.uk/2/hi/technology/8205940.stm
6
Datos en e-learning
Imagen de Duvien tomada de http://duvien.com/blog/building-your-own-social-networking-site-24-hours
7
Inversión de la clase: Plataforma Khan Academy
8
Khan Academy: Videos
9
Khan Academy: Ejercicios
10
Khan Academy: Gamificación
11
Khan Academy: Informe por estado de destrezas
12
Khan Academy: Informe por progreso en destrezas
13
Khan Academy: Informe por tiempo en temáticas
14
Khan Academy: Informe por actividad diaria
15
Khan Academy: Informe por detalles de ejercicios
16
Extensión de analítica de Khan Academy
Uso total de la plataforma
Progreso adecuado en la
plataforma
Distribución temporal de la utilización
de la plataforma
Tipo de jugador
Hábitos en la
resolución de
ejercicios
17
Extensión de KA: Progreso adecuado en la plataforma
● ¿Van los alumnos bien preparados para abordar las clases presenciales?―Peso de temáticas, videos y ejercicios
―Ver suficientemente los videos
―Resolución correcta de los ejercicios Se hace al menos 1 ejercicio bien en la temática
Se obtiene la proficiency
Estados intermedios
Depende de la semántica de cada ejercicio (por ejemplo si todos son ejercicios paramétricos)
18
Extensión de KA: Eficiencia
19
Extensión de KA: Uso total en la plataforma
● Los que no han conseguido el aprovechamiento, ¿Es porque no han utilizado nada la plataforma o se han esforzado?―Peso de temáticas, videos y ejercicios
―Uso de videos. Porcentaje que se ha visto
―Uso de ejercicios. Tiempo invertido, número de intentos, etc.
20
Extensión de KA: Gamificación
● ¿Los alumnos resuelven ejercicios motivados por los elementos de gamificación?
Imagen tomada de http://myengaming.com/2012/05/13/gamification-insights-and-emerging-trends-2/
21
Extensión de KA: Constancia
● ¿Los alumnos son constantes durante su aprendizaje a lo largo de los días?
22
Extensión de KA: Modo de resolución de ejercicios
¿Ha resuelto correctamente?
Acceso a un ejercicio
¿Ha visto videos relacionados?
Comportamiento correctoSí
NoNo Incrementar “evitador de
videos” (depende número y tipo de videos y tiempo)
¿Ha realizado ejercicios previos?
NoIncrementar “evitador de
ejercicios previos”
¿Ha pedido pistas?
¿Ha invertido suficiente tiempo?
No Incrementar “evitador de pistas”
Comportamiento correcto
No Incrementar “no reflexivo” (depende del tiempo invertido)
Sí
23
Conclusiones
Transformación mediante procesamiento
de datos
Datos de bajo nivel
Información de alto nivel
Visualizador
Recomendador
Actuador
● Determinar en cada entorno qué se puede inferir―Limitaciones
● Mejor manera de inferir información―Incertidumbre de las predicciones: precisión
● Retos de visualización, recomendación, etc.
● Generalización a otros ámbitos
De datos en crudo a información inteligente en sistemas de e-Learning: un
caso de estudio con la plataforma de Khan Academy
Pedro J. Muñoz-Merinopedmume@it.uc3m.espedmume@it.uc3m.es
Universidad Carlos III de Madrid