Repositorio Universidad del Cauca

Caracterización de la deshonestidad académica en cursos en línea privados y masivos (MPOC) con reconocimiento académico a través de analíticas de aprendizaje

Mostrar el registro sencillo del ítem

dc.contributor.author Jaramillo Morillo, Daniel Alberto
dc.date.accessioned 2023-10-23T19:45:17Z
dc.date.available 2023-10-23T19:45:17Z
dc.date.issued 2022
dc.identifier.uri http://repositorio.unicauca.edu.co:8080/xmlui/handle/123456789/8535
dc.description.abstract Gracias a la evolución de las tecnologías de la comunicación y el creciente uso de las mismas, en muy poco tiempo muchas instituciones y universidades del mundo se han sumado al salto de la educación en línea. Es aquí, donde nuevas tecnologías de aprendizaje como los Cursos en Línea Masivos y Abiertos (MOOCs) se están incorporando paulatinamente a las universidades y a sus programas profesionales a través de sus variantes privadas, los MPOCs (Massive Private Online Courses) y los SPOCs (Small Private On-line Courses), que se han aplicado con éxito en diversos entornos educativos. Gracias a este éxito y a las ventajas de tener un entorno privado más controlado, se ha facilitado que los MPOCs y SPOCs sean convalidados por créditos académicos dentro de los programas educativos de las instituciones de educación superior. Sin embargo, dado que estos cursos tienen un reconocimiento académico, es necesario vigilar los posibles comportamientos de deshonestidad académica, ya que numerosos investigadores han sacado a relucir que estos comportamientos se ven muy facilitados por el contexto en línea. Aunque se han propuesto numerosos algoritmos para la detección de comportamientos deshonestos, no se ha investigado cómo transferir esta información a los instructores, para que puedan intervenir y disminuir la prevalencia de este problema. En este documento presentamos algoritmos y herramientas para la identificación y caracterización de comportamientos sospechosos de deshonestidad académica de estudiantes en SPOC ofrecidos en Selene, una instancia de Open edX que pertenece a la Universidad del Cauca. spa
dc.description.abstract Thanks to the evolution of communication technologies and their increasing use, in a very short time many institutions and universities around the world have joined the online education leap. This is where new learning technologies such as Massive Open Online Courses (MOOCs) are gradually being incorporated into universities and their professional programmes through their private variants, MPOCs (Massive Private Online Courses) and SPOCs (Small Private Online Courses), which have been successfully applied in various educational environments. Due to this success and the advantages of having a more controlled private environment, it has become easier for MPOCs and SPOCs to be validated for academic credit within the educational programmes of higher education institutions and since these courses have academic recognition, it is necessary to monitor possible academic dishonesty behaviours, as numerous researchers have highlighted that this issue is greatly facilitated by the online context. Although numerous algorithms have been proposed for detecting dishonest behaviour, there has been no research on how to transfer this information to instructors, so that they can intervene and decrease the prevalence of this problem. In this paper we present algorithms and tools for the identification and characterisation of suspicious behaviours of academic dishonesty of students in SPOC offered in Selene, an Open edX instance belonging to the Universidad del Cauca. eng
dc.language.iso spa
dc.publisher Universidad del Cauca spa
dc.rights.uri https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject Analítica de aprendizaje spa
dc.subject Minería de datos educacionales spa
dc.subject Visualización de información spa
dc.subject Modelado de comportamiento spa
dc.subject Aprendizaje máquina spa
dc.subject Learning analytics eng
dc.subject Educational data mining eng
dc.subject Information visualization eng
dc.subject MOOCs eng
dc.subject SPOCs eng
dc.subject Behavioral modeling eng
dc.subject Machine learning eng
dc.title Caracterización de la deshonestidad académica en cursos en línea privados y masivos (MPOC) con reconocimiento académico a través de analíticas de aprendizaje spa
dc.type Tesis doctorado spa
dc.rights.creativecommons https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.type.driver info:eu-repo/semantics/doctoralThesis
dc.type.coar http://purl.org/coar/resource_type/c_db06
dc.publisher.faculty Facultad de Ingeniería Electrónica y Telecomunicaciones spa
dc.publisher.program Doctorado en Ingeniería Telemática spa
dc.rights.accessrights info:eu-repo/semantics/openAccess
dc.type.version info:eu-repo/semantics/acceptedVersion
dc.identifier.instname
dc.identifier.reponame
oaire.accessrights http://purl.org/coar/access_right/c_abf2
dc.identifier.repourl
oaire.version http://purl.org/coar/version/c_ab4af688f83e57aa


Ficheros en el ítem

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

https://creativecommons.org/licenses/by-nc-nd/4.0/ Excepto si se señala otra cosa, la licencia del ítem se describe como https://creativecommons.org/licenses/by-nc-nd/4.0/

Buscar en DSpace


Búsqueda avanzada

Listar

Mi cuenta