Análisis del rendimiento académico en un curso virtual de posgrado de una universidad pública : aplicación de learning analytics en plataforma Moodle

Abstract

Este trabajo tiene como objetivo construir indicadores y modelos predictivos del rendimiento académico de los estudiantes, aplicando algunas técnicas de learning analytics, que permitan detectar patrones relacionados con la interacción de los alumnos en el aula virtual de una asignatura de un posgrado. Para llevar adelante este trabajo, se utiliza un conjunto de datos anonimizados, aportado por las autoridades del posgrado, referido a los registros de la interacción de los estudiantes en una asignatura con las distintas herramientas que ofrece el aula virtual Moodle (Modular Object Oriented Developmental Learning Environment). Se considera una variable de interés creada a partir del conjunto de datos, la cual, resulta una variable de dos categorías, cada categoría refleja el rendimiento académico del alumno, lo que para este trabajo es si aprueba o no la asignatura del posgrado. Para la obtención de las variables a utilizar en este trabajo, se aplican algunas técnicas de minería de datos utilizando RapidMiner. La base obtenida está formada por variables que reflejan algunos comportamientos de los alumnos en el aula virtual de la plataforma Moodle. Se realizan algunos métodos de clusterización, para encontrar patrones de los estudiantes en foros y otras actividades. Además, se realizan diferentes modelos de Regresión Logística, para clasificar a los alumnos en las dos categorías de la variable rendimiento académico. Se logra encontrar un modelo con una performance del 88,88%, el cual permite identificar variables regresoras, como las que quedan definidas a partir de los foros de consulta y número de conexiones a la plataforma, lo que posibilita concluir que una mayor participación en estos dos recursos lleva a un mejor rendimiento académico. Mediante la aplicación de librerías de R, se logran los resultados de la clusterización y Regresión Logística previamente mencionados.