Tácticas de estudio en un entorno en línea de un curso de ingeniería mediante un modelo de Markov Oculto
Professor Advisor
dc.contributor.advisor
Celis Guzmán, Sergio
Author
dc.contributor.author
Amolef Cárdenas, Alan Franco
Associate professor
dc.contributor.other
Segovia Riquelme, Carolina
Associate professor
dc.contributor.other
Vildoso Castillo, Felipe
Admission date
dc.date.accessioned
2024-09-09T19:28:03Z
Available date
dc.date.available
2024-09-09T19:28:03Z
Publication date
dc.date.issued
2024
Identifier
dc.identifier.other
10.58011/4cwg-bk41
Identifier
dc.identifier.uri
https://repositorio.uchile.cl/handle/2250/200916
Abstract
dc.description.abstract
La 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
Lenguage
dc.language.iso
es
es_ES
Publisher
dc.publisher
Universidad de Chile
es_ES
Type of license
dc.rights
Attribution-NonCommercial-NoDerivs 3.0 United States