Contribuciones a la identificación de patrones de navegación de estudiantes en cursos de Open edX

Abstract

Los Cursos en Línea Abiertos y Masivos -MOOC, permiten la participación de un gran número de estudiantes, generando de esta forma una gran cantidad de información de la interacción de los estudiantes con el curso. En el presente trabajo de investigación se analizan cuatros conjuntos de datos, archivos Excel, que contienen la interacción de los estudiantes, administradores, profesor y monitor, con el curso Astronomía Cotidiana, ofertado en la Universidad del Cauca en el primer periodo académico de 2017, el curso MPOC fue soportado por una instancia de la plataforma de Open edX. Los conjuntos de datos, se limpian y adecuan, además se procesan con el modelo de espacio vectorial y la ponderación basada en la frecuencia relativa de un evento. Con el algoritmo LexRank con Umbral se procesa cada conjunto de datos, para la identificación de los patrones de navegación EF-ISF por sesión de mayor centralidad del usuario, y la identificación de la matriz estacionaria. Con los resultados de la matriz estacionaria se realiza, la gráfica de la centralidad del patrón de navegación EF-ISF por sesión del usuario. Se desarrolla análisis e interpretación de los resultados, en el administrador, profesor, monitor y en tres estudiantes con número de sesiones bajas, media y alta, debido al gran número de estudiantes por conjuntos de datos. Por último, se describen las conclusiones del presente trabajo de investigación y el trabajo futuro.

The Massive Online Open Courses -MOOC, allow the participation of a large number of students, thus generating a large amount of information on the interaction of students with the course. In the present research work four sets of data are analyzed, Excel files, which contain the interaction of students, administrators, professor and monitor, with the course Astronomía Cotidiana, offered at the University of Cauca in the first academic period of 2017, the MPOC course was supported by an instance of the Open edX platform. Data sets are cleaned and adjusted, and processed with the vector space model and weighting based on the relative frequency of an event. The LexRank With Threshold algorithm, each data set is processed to identify the EF-ISF navigation patterns by the user's most central session, and to identify the stationary matrix. With the results of the stationary matrix, the graph of the centrality of the EF-ISF navigation pattern by user session is made. Analysis and interpretation of the results is developed in the administrator, teacher, monitor and in three students with low, medium and high number of sessions, due to the large number of students per data set. Finally, the conclusions of the present research work and the future work are described.