Exploración de técnicas cuantitativas de modelado temporal orientadas a la mejora del rendimiento académico en educación superior online

Abstract

El presente trabajo aborda la exploración de técnicas cuantitativas que puedan ser utilizadas para mejorar el rendimiento académico en los cursos, especialmente en entornos en línea. El interés en esta mejora implica centrarse en técnicas de alta capacidad interpretativa, en las que la comprensión del proceso a lo largo del tiempo ejerce un papel fundamental. Dos técnicas se demuestran particularmente útiles: el análisis de supervivencia para comprender y reducir el abandono, y la minería de procesos educativos para analizar caminos de aprendizaje y evaluar desviaciones que puedan ser causantes de un bajo rendimiento. Destaca una propuesta metodológica innovadora, vinculada a esta última técnica, para el modelado de caminos de aprendizaje basada en el uso de skeletons. Los resultados, publicados en ocho artículos, suponen una traslación de técnicas más propias de otras disciplinas a entornos de learning analytics y ofrecen una propuesta metodológica para identificar colectivos vulnerables, cuantificar el impacto de factores de riesgo, evaluar la adherencia a un camino de aprendizaje o detectar divergencias respecto a este. Constituyen, así, herramientas de alto interés en el diseño de intervenciones académicas.

Aquest treball aborda l'exploració de tècniques quantitatives que puguin ser utilitzades per millorar el rendiment acadèmic en els cursos, especialment en entorns en línia. L'interès en aquesta millora implica centrar-se en tècniques d'alta capacitat interpretativa, en les quals la comprensió del procés al llarg del temps té un paper fonamental. Dues tècniques es demostren particularment útils: l'anàlisi de supervivència per comprendre i reduir l'abandonament, i la mineria de processos educatius per analitzar camins d'aprenentatge i avaluar desviacions que puguin ser causants d'un baix rendiment. Destaca una proposta metodològica innovadora, vinculada a aquesta última tècnica, per al modelatge de camins d'aprenentatge basada en l'ús de skeletons. Els resultats, publicats en vuit articles, representen una translació de tècniques més pròpies d'altres disciplines a entorns de learning analytics i ofereixen una proposta metodològica per identificar col·lectius vulnerables, quantificar l'impacte de factors de risc, avaluar l'adherència a un camí d'aprenentatge o detectar-hi divergències. Constitueixen, doncs, eines d'alt interès en el disseny d'intervencions acadèmiques.

This study focuses on investigating quantitative methods that can be used to improve academic achievement at course level, with a specific emphasis on online learning scenarios. The focus on improvement implies concentrating on techniques with a high interpretative capacity, where understanding the process over time plays a fundamental role. Two methodologies have demonstrated significant utility: survival analysis to comprehend and reduce dropout, and educational process mining to analyse learning paths and assess deviations that may contribute to low performance. An innovative methodological proposal, linked to the latter technique, stands out for the modelling of learning paths based on the use of skeletons. The results, published in eight articles, represent a transfer of techniques more commonly associated with other disciplines than the field of learning analytics. They provide a methodological proposal to identify vulnerable groups, quantify the impact of risk factors, assess adherence to a learning path, or detect divergences from it. Consequently, these findings constitute tools of high interest in the design of academic interventions.