Técnicas de minería de datos aplicadas a la plataforma educativa Moodle

César Higinio Menacho Chiok

doi:10.21704/rtn.v14i1.1509

Autores/as

César Higinio Menacho Chiok Universidad Nacional Agraria La Molina (Perú).

DOI:

https://doi.org/10.21704/rtn.v14i1.1509

Palabras clave:

Moodle, minería de datos educativa, árbol de clasificación, k-medias, Weka.

Resumen

La plataforma educativa Moodle, está siendo utilizada por muchas instituciones de educación superior para apoyar sus procesos de enseñanza-aprendizaje en forma virtual. Esta herramienta ofrece a los docentes actividades y recursos pedagógicos para diseñar ambientes educativos más interactivos y eficientes a sus estudiantes. La gran cantidad de datos generados cuando los estudiantes interactúan con Moodle, pueden ser analizados aplicando las técnicas de minería de datos (TMD); con la finalidad de proporcionar a los docentes información y conocimiento, relevante y oportuno, para apoyar y mejorar el aprendizaje de los estudiantes con Moodle. El objetivo de este estudio es presentar una metodología para aplicar las TMD a la plataforma Moodle. Los resultados indican que con notas bajas en las evaluaciones y tareas; y un tiempo de acceso bajo a Moodle, es más probable que el estudiante desapruebe el curso; además, se identificó el grupo de estudiantes con bajo rendimiento que necesitaría retroalimentación.

Descargas

Los datos de descarga aún no están disponibles.

Referencias

Baker, R., & Yacef, . (2009). The State of Educational Data Mining in 2009: A Review and Future Visions. Journal of Education Data Mining , Volume 1, Issue 1 1: 3– 17.

Barnes, T. D. (2009). Data Mining 2009: 2nd International Conference on Educational Data Mining.

Casey, K., & Gibson, P. (2010). (m)Oodles of Data Mining Moodle to understand Student Behaviour. International Conference on Engaging Pedagogy 2010 (ICEP10) National University of Ireland Maynooth .

Castro, F., Vellido, A., Nebot, & Mugica, F. (2007). Applying data mining techniques to e- learning problem. Journal Evolution of Teaching and Learning Paradigms in Intelligent Environment.ed. Springer Berlin Heidelberg , pp. 183-221.

Fahad, M., Khan, Shakir, & Sawar, Abu. (2012). Using Instructive Data Mining Methods to Revise the Impact of Virtual Classroom in E-Learning - IMPRESO. International Journal of Advanced Science and Technology. Vol. 45 , pp. 125-134.

Félix, I., Ambrosio, A., Duilio, J., & Simoes, E. (2019). Predicting Student Outcome in Moodle.

Conference: Academic Success in Higher Education , pp. 1-2.

Flate, M. P. (2003). Online education and learning management systems. Proceedings of the 4th International Conference on e-Learning .

Fournier, H. K. (2011). The value of learning analytics to networked learning on a personal learning environment. Proceedings of the First International Conference on Learning Analytics and Knowledge (LAK ‘11) (pp. 104-109). New York , pp. 104-109.

Hijon, R., & Velázquez, A. (2006). E-learning Platforms Analysis and Development of Students Tracking Functionality. Proceedings of World Conference on Educational Multimedia, Hypermedia and Telecommunications , pp. 2823-2828.

Kadoic, N., & Oreski, D. (2018). Analysis of Student Behavior and Success Based on Logs in Moodle. pp. 730-735.

Kumar, B., & Pal, Saurabh. (2011). Mining Educational Data to Analyze Students.

Ramaswami, M. (2009). A Study on Feature Selection Techniques in Educational Data Mining.

International working group on educational data mining , Vol. 1, Issue 1.

Romer, C. a. (2006). Educational data mining: A survey from 1995 to 2005. Elsevier. Expert Systems with Applications 33 , pp. 135-146.

Romero, C. a. (2010). Educational Data Mining: A Review of the State-of-the-Art. IEEE , Vol.

XX, N°. X.

Sael, N., Marzak, A., & Behja, H. (2013). Multilevel clustering and association rule mining for learners’profiles analysis. IJCSI International Journal of Computer Science Issues, Vol. 10, Issue 3, No 1. , pp. 202-210.

Songsakda, C., Massudi, M., & Husniza, H. (2012). Behavior Usage Model to Manage the Best Practice of e-Learning. Knowledge Management International Conference , pp. 4-6.

Swedan, M. I. (2012). Mining YUC1 Students Learning Behavior in Moodle System Using Data Mining Techiniques. UNIASCIT, Vol. 2(4) , pp. 318-823.