Tareas y Recomendaciones
La opción número 2 que se le presenta al estudiante, se trata de un conjunto de funcionalidades divididas en subopciones, que permiten al estudiante obtener distintas recomendaciones personalizadas. Las recomendaciones pueden ser de distintos tipos y son obtenidas a través de distintas estrategias y distintas fuentes de datos, la siguiente tabla resume las recomendaciones disponibles:
| Subopción | Descripción | Estrategia y fuente para obtención. |
|---|---|---|
| Ver recomendaciones | Recomendaciones de estrategias y acciones que el estudiante debe realizar en la plataforma. | Algoritmo propio que compara el comportamiento del estudiante con el comportamiento de los compañeros del curso. Las recomendaciones están basadas en indicadores de analítica de aprendizaje propios como el número de sesiones, tiempo en la plataforma, calificaciones obtenidas, etc. Y otras analíticas presentes en Moodle, como la profundidad cognitiva y amplitud social. |
| Recursos recomendados | Recomendaciones de recursos más preferidos por los estudiantes del curso. | Algoritmo de filtrado colaborativo llamado Slope One. Las recomendaciones están basadas en las puntuaciones que los estudiantes dan a los recursos del curso. Gracias a estas puntuaciones se pueden crear perfiles de usuarios parecidos y las recomendaciones se brindan de acuerdo a perfiles de usuarios parecidos. |
| Recursos más vistos | Recomendaciones de los recursos más vistos por los estudiantes del curso. | Algoritmo que lista el top 3 de recursos más visitados por los estudiantes participantes del curso. |
| Recomendaciones semanales | Recomendaciones de tiempo y recursos que deben ser empleados o vistos semanalmente. | Algoritmo que compara el tiempo y los recursos trabajados en la semana actual con las configuración previa. Las recomendaciones están basadas en la configuración previa de las semanas realizada por el docente a través del plugin GuideMyLearning. |
1. Ver recomendaciones.
Esta subopción le pertime al estudiante obtener recomendaciones de estrategias que se deberían seguir dentro de la plataforma, están basadas en indicadores de analíticas de aprendizaje tanto propias del plugin como las que se encuentran en Moodle.
Analíticas propias
En cuanto a las analíticas propias se encuentran: la cantidad de días activos, el tiempo total en la plataforma en minutos, el número de sesiones, el tiempo promedio de sesiones en minutos, el total de interacciones en la plataforma, la suma de las calificaciones obtenidas, el número de tareas/lecciones calificadas.
Analíticas de Moodle
En cuanto a las analiticas de aprendizaje propias de Moodle tenemos: la amplitud social y la profundidad cognitiva. Estos dos indicadores están presentes en cada uno de los recursos de Moodle.
Profundidad Cognitiva
En la profundidad cognitiva se define el valor basándose en el tipo de actividad que se ofrece al alumno y el grado de compromiso cognitivo que se demuestra en dicha actividad.
En este indicador tiene 5 niveles como máximo, y se describen de la siguiente manera:
- Una actividad o recurso de nivel 1 y reporta 0 (no visto) o 1 (visto).
- Una actividad o recurso de nivel 2 y reporta 0 (no visto), 0.5 (visto) o 1 (interactúa con al menos otro participante).
- Una actividad o recurso de nivel 3 y reporta 0 (no visto), 0.33 (visto), 0.67 (enviado) o 1 (enviado y vio la retroalimentación).
- Una actividad o recurso de nivel 4 y reporta 0 (no visto), 0.25 (visto), 0.5 (enviado), 0.75 (enviado y vio la retroalimentación) o 1 (proporcionó información al instructor o a los compañeros).
- Una actividad o recurso de nivel 5 y reporta 0 (no visto), 0.2 (visto), 0.4 (enviado), 0.60 (enviado y vio la retroalimentación), 0.80 (proporcionó información al instructor o a los compañeros) o 1 (revisado y reenviado).
Amplitud Social
Se determina la amplitud social examinando la amplitud de las oportunidades que el participante tiene para comunicarse con los demás
La amplitud social tiene 2 niveles como máximo, y se describen de la siguiente manera:
- Una actividad o recurso de nivel 1 y reporta 0 (no visto) o 1 (visto).
- Una actividad o recurso de nivel 2 y reporta 0 (no visto), 0.5 (visto) o 1 (interactúa con al menos otro participante).
Al categorizar cada actividad por profundidad cognitiva y amplitud social, se puede anticipar el nivel de compromiso del estudiante, a pesar de que no exista demasiado historial de acciones de muchos estudiantes en dicha actividad. Se debe tener en cuenta que los niveles altos implican que se incluyen todos los niveles inferiores,
Proceso para obtener recomendaciones
El algoritmo planteado para obtener recomendaciones de interacciones de los estudiantes con la plataforma tiene como base la preparación del conjunto de datos, agrupación de estudiantes en dos grupos, la interpretación y análisis de estos grupos y la comparación entre el estudiante y los miembros del grupo contrario.
Preparación del conjunto de datos
La preparación del conjunto de datos es la primera etapa del proceso para obtener recomendaciones, consiste en preparar un conjunto de datos los suficientemente robusto para que sea empleado en las demás etapas de este proceso y estará compuesto por los indicadores antes mencionados.
El conjunto de datos resultante de juntar todos los indicadores es sometido a un proceso de normalización
Agrupación de estudiantes
Una vez generado el conjunto de datos, se procede a generar la agrupación de estudiantes por cada curso. Para la agrupación se emplea el algoritmo de clusterizacion K-means. Uno de los pasos más importantes al utilizar el algoritmo K-means es definir los K clusters, teniendo en cuenta que estrategias como el automonitoreo y la gestión de tiempo tienen relación con el éxito académico. Se plantea que existirán 2 tipos de estudiantes, los que necesitan ayuda y los que no la necesitan, diferenciados por la cantidad de tiempo empleado en la plataforma así como la cantidad de sesiones.
Este proceso se debe realizar semanalmente y los datos usados reflejarán el “comportamiento” del estudiante en la plataforma.
Interpretación y análisis de los grupos
Al definir 2 clusters se está agrupando al curso en dos grupos de estudiantes, lo que facilita el análisis de los mismos. En esta etapa se busca darles un criterio a estos grupos de estudiantes: el grupo de los estudiantes que no necesitan recomendaciones y aquellos que si necesitan recomendaciones.
Para poder darle sentido a estos grupos de estudiantes, se analiza dos características de los estudiantes: el número de días activos en la plataforma y la suma de las calificaciones obtenidas a lo largo del curso. De este modo, se obtiene el promedio de los días activos y el promedio de la suma de las calificaciones para cada grupo, y se procede a definir qué grupo es el que “no necesita ayuda” y cuál es el que “necesita ayuda”, mediante el siguiente proceso:
- Se comprueba que grupo tiene el promedio de calificaciones más alto y aquel grupo será categorizado como “no necesita ayuda”.
- Si ninguno de los dos grupos tiene registrado calificaciones, se comprueba que grupo tiene el promedio de los días activos en la plataforma más alto y aquel grupo aquel grupo será categorizado como “no necesita ayuda”.
Comparación
El proceso para obtener una recomendación comienza verificando si el estudiante que solicita una recomendación pertenece al grupo de estudiantes que lo necesita. De ser este el caso, se procede a comparar cada uno de los indicadores de analítica de aprendizaje que hemos definido con los valores promedio del grupo que “no necesita ayuda”.
En el caso de los indicadores propios el proceso es un tanto más sencillo ya que únicamente se obtiene la diferencia entre el valor del estudiante y el valor promedio del grupo. Un ejemplo de este tipo de recomendación sería el siguiente:
Obteniendo recomendaciones
Finalizado el proceso, el estudiante que necesita recomendaciones será capaz de obtener recomendaciones del siguiente tipo:
2. Recursos recomendados.
Esta subopción permite al estudiante obtener recomendaciones de recursos en base a su perfil de valoraciones de recursos empleando el algoritmo Slope One.
- Se obtienen las valoraciones de los recursos de un curso en particular.
- Se usa los recursos valorados por el estudiante, comparándolos con los perfiles de valoración de los demás estudiantes.
- Se utiliza la técnica de filtrado colaborativo para predecir una lista de los recursos que más le interesen al estudiante
- Se establece un umbral de 3, es decir, que la predicción de la valoración del recurso por parte del estudiante es mayor o igual a 3 de 5 estrellas, siendo 3 la media de las calificaciones.
- Se obtienen la información de el o los recursos para recomendar al estudiante.
3. Recursos más vistos.
Esta subopción permite al estudiante obtener los recursos más visitados por los demas miembros de un curso, junto a su porcentaje % de vistas.
4. Recomendaciones semanales.
Esta subopción permite al estudiante obtener recomendaciones con base al tiempo y recursos que el profesor haya configurado para la semana actual.
5. Regresar al menú
Gracias a esta subopción es posible regresar al menú principal.