Contribuciones a la identificación automática del estilo de aprendizaje del estudiante en procesos formativos en línea masivos

Abstract

La Analítica del Aprendizaje, el Aprendizaje de Máquina –supervisado y no supervisado- y las estrategias de los cursos en línea en ambientes de masividad son técnicas que aparecieron en la primera década de este milenio y se consolidaron –en diversas manifestaciones- en la década siguientes en diferentes contextos. Aunque los MOOC (Massive Open Online Courses - cursos en línea abiertos y masivos) surgieron en un ambiente de educación no formal, su reciente articulación en los currículos universitarios hace que sea necesario resolver distintos retos para minimizar las consecuencias de su modelo, como por ejemplo aquellos relacionados con su rigidez en materia pedagógica. Lo anterior es, a su vez, una oportunidad magnífica para impulsar la introducción de tecnologías específicas para conocer y comprender el comportamiento de los distintos actores del proceso formativo, especialmente profesores y estudiantes teniendo en cuenta las significativas cantidades de personas involucradas en estos cursos. Uno de los beneficios anunciados por la aplicación de las técnicas de la Analítica del Aprendizaje, unido al potencial de las aplicaciones web que dan soporte a los cursos en línea en ambientes de masividad es el aprovechamiento de las grandes cantidades de datos para poder comprender el comportamiento de los estudiantes. Un aporte importante de la presente investigación es la integración de las tres técnicas indicadas anteriormente (aprendizaje de máquina, analíticas del aprendizaje, cursos masivos en línea) y su aplicación para el reconocimiento académico de conocimientos y habilidades adquiridos a través de esta modalidad educativa.