APLICACIÓN DE LA MINERIA DE DATOS EN LA EDUCACION EN LINEA

Alveiro Alonso Rosado Gómez, Alejandra Verjel Ibáñez

Resumen


Resumen: Este artículo hace una revisión de la aplicación de la minería de datos en entornos educativos y de cómo esta permite extraer el conocimiento necesario para identificar el comportamiento de los estudiantes al interactuar con materiales y tutores, el conocimiento obtenido soporta la validez de nuevos modelos educativos que fomenten el aprendizaje. El material consultado se centra en la búsqueda de elementos que tiene la aplicación de la minería de datos, como son: el aprendizaje, la técnica, el algoritmo, la herramienta o software empleado y el conjunto de datos que fueron aplicados en la investigación. Entre los resultados que se encontraron esta la poca especificación que se hace sobre las características del conjunto de datos que se trabaja y el procesamiento que se le hace a este mismo. Por otra parte se encontró que se están aplicando combinación de aprendizajes con el fin de describir y clasificar los datos obtenidos.

Palabras clave: Análisis del aprendizaje, Extracción del conocimiento, Interacción en línea, Minería de datos educativa.


Texto completo:

PDF

Referencias


Andonie, R. (2010). Extreme Data Mining: Inference from Small Datasets. International Journal of Computers, Communications & Control, págs. 280-291.

Aponte, F., Hoyos, J., & Monsalve, J. (2012). Minería de usabilidad aplicada a plataformas virtuales. Revista Virtual Universidad Católica del Norte, 27-43.

Araque G J., Díaz R J.L., Gualdrón G O.E. (2013). Optimización del THD en un convertidor multinivel monofásico usando algoritmos genéticos. Revista colombiana de tecnologías de Avanzada. 1 (21). Pág. 60 - 66.

Atkinson, J., Figueroa, A., & Andrade, C. (2013). Evolutionary optimization for ranking how-to questions based on user-generated contents. Expert Systems with Applications, 7060–7068.

Ballesteros Román, A., Sánchez Guzmán, D., & García Salcedo, R. (2014). Minería de datos educativa: Una herramienta para la investigación de patrones de aprendizaje sobre un contexto educativo. Latin-American Journal of Physics Education, 662-668.

Blikstein, P. (2011). Using learning analytics to assess students’ behavior in open-ended programming tasks. International Conference on Learning Analytics and Knowledge 2011 (págs. 110-116). Banff: ACM.

Burgosa, C., Campanario, M., de la Peña, D., Lara, J., Lizcano, D., & Martínez, M. (2017). Data mining for modeling students’ performance: A tutoring action plan to prevent academic dropout. Computers & Electrical Engineering.

Caballero Amaury, Velasco Gabriel, Pardo García A. (2013). Differentiations of objects in diffuse databases. Revista colombiana de tecnologías de Avanzada. 2 (22). Pág. 131 – 137.

Campagni, R., Merlini, D., Sprugnoli, R., & Verri, M. (2015). Data mining models for student careers. Expert Systems with Applications, 5508–5521.

Castro, M., & Lizasoain, L. (2012). Las técnicas de modelización estadística en la investigación educativa: minería de datos, modelos de ecuaciones estructurales y modelos jerárquicos lineales. Revista Española de Pedagogía, 131-148.

Chen, Y., Crespi, N., Ortiz, A., & Shu, L. (2017). Reality mining: A prediction algorithm for disease dynamics based on mobile big data. Information Sciences, 82-93.

Chiarini, M., Dutta, K., & Vandermeer, D. (2010). Using Data Mining Techniques to Discover Bias Patterns in Missing Data. Journal of Data and Information Quality (JDIQ), 2.

Choi, J., Kim, B., Hahn, H., Park, H., Jeong, Y., Yoo, J., & Kee, M. (2017). Data mining-based variable assessment methodology for evaluating the contribution of knowledge services of a public research institute to business performance of firms. Expert Systems with Applications, 37–48.

Cigliuti, P., Martins, S., Rodríguez, D., & García, R. (2014). Identificación de Contenidos Débilmente Apropiados por Estudiantes Basada en Explotación de Información Caso de Estudio. XII Workshop de Tecnología Informática Aplicada en Educación (págs. 1-10). Buenos Aires: Universidad Nacional de La Matanza.

Coldwell, J., Craig, A., Paterson, T., & Mustard, J. (2008). Online Students: Relationships between participation, demographics and academic performance. The Electronic Journal of e-Learning, 19–30.

Costa, E., Fonseca, B., Marcelo, A., Ferreira, F., & Regod, J. (2017). Evaluating the effectiveness of educational data mining techniques for early prediction of students' academic failure in introductory programming courses. Computers in Human Behavior, 247–256.

Dominguez, A., Yacef, K., & Curran, J. (2010). Data mining to generate individualised feedback. Intelligent Tutoring Systems. Lecture Notes in Computer Science, 303–305.

Dueñas, M. X. (2009). Minería de datos espaciales en búsqueda de la. Scielo, 137-156.

Emtiyaz, S., & Keyvanpour, M. (Octubre de 2011). Customers Behavior Modeling by Semi-Supervised Learning in. Advances in information Sciences and Service Sciences(AISS), 3(9).

Fayyad, U., Piatetsky, G., & Smyth, P. (1996). From Data Mining to Knowledge Discovery in. AI Magazine, 17(3), 37-54.

Fernandez-Medina, C., Pérez-Pérez, J., Álvarez-García, V., & Paule-Ruiz, M. d. (2013). Assistance in computer programming learning using educational data mining and learning analytics. Innovation and Technology in Computer Science Education (págs. 237-242). Canterbury: ACM.

Gahegan, M. (Septiembre de 2001). Data mining and knowledge discovery in the. National Academies Computer Science and Telecommunications Board.

He, W. (2013). Examining students’ online interaction in a live video streaming environment using data mining and text mining. Computers in Human Behavior, 90–102.

Hernández-García, Á., & Conde, M. (2014). Dealing with complexity: educational data and tools for learning analytics. Technological Ecosystems for Enhancing Multiculturality (págs. 263-268). Porto: ACM.

Hernández, C., Contreras, B., & Torres, C. (2016). Desarrollo de Libros Electrónicos: “Taller Pedagógico”. Revista Colombiana de Tecnologías de Avanzada, 130-136.

Huapaya, C., Lizarralde, Francisco, Arona, G., & Massa, S. (2012). Minería de datos educacional en ambientes virtuales de aprendizaje. XIV Workshop de Investigadores en Ciencias de la Computación (págs. 996-1000). Entre Ríos: Red de Universidades con Carreras en Informática (RedUNCI).

International Educational Data Mining Society. (2011). Educational Data Mining. Recuperado el 1 de Septiembre de 2015, de http://www.educationaldatamining.org/

Jarusek, P., & Pelánek, R. (2011). Problem Response Theory and its Application for Tutoring. Fourth International Conference on Educational Data Mining, (págs. 1-2). Eindhoven.

Jin, W., Barnes, T., Stamper, J., John, M., Johnson, M., & Lehmann, L. (2012). Program representation for automatic hint generation for a data-driven novice programming tutor. International conference on Intelligent Tutoring Systems (págs. 304-309). Chania: Springer-Verlag.

Jormanainen, I., & Sutinen, E. (2013). An open approach for learning educational data mining. Koli Calling '13 Proceedings of the 13th Koli Calling International Conference on Computing Education Research (págs. 203-204). Koli: ACM New York.

Joo, J., & Alvarado, V. (2013). Evaluación multi criterio/multi objetivo aplicada a datos sobre educación: una primera aproximación. Revista Educación y Tecnología, 112-123.

Kaur, P., Singh, M., & Josan, G. (2015). Classification and Prediction Based Data Mining Algorithms to Predict Slow Learners in Education Sector. Procedia Computer Science, 500–508.

Kurgan, L. (2006). A survey of Knowledge Discovery and Data Mining process models. The Knowledge Engineering Review, 21(01), 1-24.

Lozano, C. (2012). El futuro de las tecnologías digitales aplicadas al aprendizaje de personas con necesidades educativas especiales. Revista de Educación a Distancia, 1-43.

Márquez Vera, C., Romero Morales, C., & Ventura Soto, S. (2012). Predicción del Fracaso Escolar Mediante Técnicas de Minería de Datos. IEEE-RITA, 109-117.

Natek, S., & Zwilling, M. (2014). Student data mining solution–knowledge management system related to higher education institutions. Expert Systems with Applications, 6400–6407.

Ngai, E., Li, X., & Dorothy, C. (2009). Application of data mining techniques in customer relationship management: A literature review and classification. Expert systems with applications, 36(2), 2592-2602.

Quinteros, O., Funes, A., & Ahumada, H. (2016). Extracción de conocimiento en el cursado del ciclo común de articulación de carreras de Ingeniería. XVIII Workshop de Investigadores en Ciencias de la Computación (págs. 223-226). Entre Ríos: Red de Universidades con Carreras en Informática (RedUNCI).

Parack, S., Zahid, Z., & Merchant, F. (2012). Application of data mining in educational databases for predicting academic trends and patterns. Proceedings of 2012 IEEE international conference on technology enhanced education (ICTEE) (págs. 1-4). Kerala: IEEE.

Pavlik, P. (2013). Mining the Dynamics of Student Utility and Strategy Use during Vocabulary Learning. JEDM - Journal of Educational Data Mining, págs. 39-71.

Peña-Ayala, A. (2014). Educational data mining: A survey and a data mining-based analysis of recent works. Expert Systems with Applications, 1432–1462.

Piety, P., Hickey, D., & Bishop, M. (2014). Educational data sciences: framing emergent practices for analytics of learning, organizations, and systems. International Conference on Learning Analytics And Knowledge (págs. 193-202). Indianapolis: ACM.

Ranellucci, J., Poitras, E., Bouchet, F., Lajoie, S., & Halle, N. (2016). Understanding Emotional Expressions in Social Media Through Data Mining. En Emotions, Technology, and Social Media (págs. 85-103). Academic Press.

Rincón, I., Suarez, S., & Sánchez, E. (2015). Pensamiento Crítico de los Estudiantes que Utilizan Facebook Como Nueva Tecnología de Aprendizaje. Revista Colombiana de Tecnologías de Avanzada, 133-140

Rodríguez, J. E. (2010). Fundamentos de minería de datos.

Romero, C., & Ventura, S. (2007). Educational data mining: A survey from 1995 to 2005. Expert Systems with Applications, 135–146.

Romero, C., & Ventura, S. (2010). Educational data mining: a review of the state of the art. IEEE Transactions on systems, man, and cybernetics, part C: applications and reviews, 40(6), 601-618.

Romero, C., Espejo, P., Zafra, A., Romero, J., & Ventura, S. (2010). Web usage mining for predicting final marks of students that use Moodle courses. Computer Applications in Engineering Education, 135–146.

Rosado Gómez, A. (2013). Modelo de detección de estudiantes excluidos en carreras de ingeniería utilizando Minería de Datos. Revista Ingenio UFPSO, 47-53.

Rygielski, C., Cheng, J., & Yen, D. (Noviembre de 2002). Data mining techniques for customer relationship management. Technology in Society, 24(4).

Sanchez-Santillan, M., Paule-Ruiz, M., & Nuñez, J. (2016). Predicting Students' Performance: Incremental InteractionClassifiers. L@S '16 Proceedings of the Third (2016) ACM Conference on Learning @ Scale (págs. 217-220). Edinburgh: ACM New York.

Shu-Hsien, L., Pei-Hui, C., & Pei-Yuan, H. (2012). Data mining techniques and applications – A decade review from 2000 to 2011. Expert Systems with Applications, 11303-11311.

Stahovich, T., & Lin, H. (2016). Enabling data mining of handwritten coursework. Computers & Graphics, 31-45.

Wu, X. (26 de Junio de 2013). Data mining with big data. IEEE Xplore, 97 - 107.




DOI: https://doi.org/10.24054/16927257.v29.n29.2017.2491

Enlaces refback

  • No hay ningún enlace refback.