Análisis correlacional del comportamiento de estudiantes en función de la participación en un AVA, haciendo uso de algoritmos KDD /

Abstract

Las Tecnologías de Información y Comunicación (TIC) han cambiado e innovado la forma de trabajar en el sector educativo, como es el caso de los Ambientes Virtuales de Aprendizaje (AVA), sistemas versátiles muy populares e interactivos, pero esta situación hace que los estudiantes tengan una sobrecarga de información que los desorienta en el proceso de aprendizaje, debido a la gran diversidad de recursos didácticos que ofrecen estos AVA. Una de las problemáticas que se abordan en este trabajo es la implementación del algoritmo de minería de datos k-means, para poder agrupar a los estudiantes de ingeniería de sistema de la Universidad Tecnológica de Bolívar en diferentes grupos, con base en una determinada selección de cursos b-learning, relacionados con las calificaciones finales y las actividades realizadas en el Ambiente Virtual de Aprendizaje SAVIO. El objetivo de este trabajo es analizar patrones de comportamiento de estudiantes en función de su participación en un AVA y su escala de calificación final. La metodología utilizada para llevar a cabo este estudio fue la aplicación del modelo CRISP-DM, una de las metodologías más usadas y pionera en el proceso de descubrimiento de conocimientos en datos (KDD). Entre los resultados obtenidos se tiene un modelo descriptivo de agrupamiento que sirve de indicador para emitir estrategias para la mejora continua del proceso de enseñanza aprendizaje virtual.