Show simple item record

Professor Advisordc.contributor.advisorCelis Guzmán, Sergio
Authordc.contributor.authorAmolef Cárdenas, Alan Franco
Associate professordc.contributor.otherSegovia Riquelme, Carolina
Associate professordc.contributor.otherVildoso Castillo, Felipe
Admission datedc.date.accessioned2024-09-09T19:28:03Z
Available datedc.date.available2024-09-09T19:28:03Z
Publication datedc.date.issued2024
Identifierdc.identifier.other10.58011/4cwg-bk41
Identifierdc.identifier.urihttps://repositorio.uchile.cl/handle/2250/200916
Abstractdc.description.abstractLa presente investigación se enfoca en el análisis de datos obtenidos de un entorno virtual de aprendizaje llamado EOL utilizado por la Universidad de Chile para complementar la educación universitaria presencial con medios digitales audiovisuales y escritos. Actualmente, se recopilan grandes cantidades de datos de todo tipo, el área de la educación no es la excepción, de ahí que, surge la necesidad de utilizar dicha información con objetivos académicos y prácticos para aportar en la toma de decisiones de rediseño de cursos, conocimiento de los métodos de estudio explicados por las tácticas de aprendizaje. Esto logrado gracias a técnicas del data science y una metodología CRISP-DM, especializada en datos y entornos digitales. El modelo estadístico para la programación y obtención de los resultados es el Modelo de Markov Oculto (HMM) que tiene por objetivo tomar variables observables y encontrar estados ocultos, en este caso, tácticas de aprendizaje, es decir, un conjunto de formas de estudiar y desenvolverse en el entorno virtual EOL, esto se logra ya que los registros contienen información de lo que los estudiantes hacen en la plataforma, lo que ven, ya sea video o lectura, la fecha y hora del evento y la sesión en que se lleva a cabo. Con esto, se crean variables derivadas como un desglose de la información para los estudiantes de la carrera de ingeniería. Los resultados de esta investigación es que existen seis tácticas de aprendizaje, las que se diferencian en hora del día en que se estudia, días de la semana, el tipo de material consumen y como lo hacen. Se obtiene una matriz de transición que resumen las tácticas y su evolución, lo que ayuda a graficar el cambio en el tiempo y observar el largo plazo, encontrando un vector de probabilidad estacionaria, con ello, se concluye que existen dos tácticas a las que se converge sin importar por cual táctica se comience. Estos resultados pueden apoyar en el entendimiento de las tácticas de estudio y tomar medidas, ya que la convergencia a una o unas tácticas no garantiza aprendizaje efectivo ni representa el objetivo de la casa de estudios o del equipo docente.es_ES
Lenguagedc.language.isoeses_ES
Publisherdc.publisherUniversidad de Chilees_ES
Type of licensedc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
Link to Licensedc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
Títulodc.titleTácticas de estudio en un entorno en línea de un curso de ingeniería mediante un modelo de Markov Ocultoes_ES
Document typedc.typeTesises_ES
dc.description.versiondc.description.versionVersión original del autores_ES
dcterms.accessRightsdcterms.accessRightsAcceso abiertoes_ES
Catalogueruchile.catalogadorchbes_ES
Departmentuchile.departamentoDepartamento de Ingeniería Industriales_ES
Facultyuchile.facultadFacultad de Ciencias Físicas y Matemáticases_ES
uchile.carrerauchile.carreraIngeniería Civil Industriales_ES
uchile.gradoacademicouchile.gradoacademicoLicenciadoes_ES
uchile.notadetesisuchile.notadetesisMemoria para optar al título de Ingeniero Civil Industriales_ES


Files in this item

Icon

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivs 3.0 United States
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivs 3.0 United States