Resumen

Los sistemas de aprendizaje electrónico se enfrentan a varios retos, el más importante de los cuales es la falta de motivación de los estudiantes en varias actividades del curso y en varios materiales del curso. En este estudio, utilizamos algoritmos de aprendizaje automático (ML) para identificar a los estudiantes de bajo compromiso en un curso de ciencias sociales de la Open University (OU) para evaluar el efecto del compromiso en el rendimiento de los estudiantes. Las variables de entrada del estudio incluían el nivel educativo más alto, los resultados finales, la puntuación en la evaluación y el número de clics en las actividades del entorno virtual de aprendizaje (EVA), que incluían dataplus, forumng, glosario, oucollaborate, oucontent, recursos, subpáginas, página de inicio y URL durante la primera evaluación del curso. La variable de salida fue el nivel de compromiso de los estudiantes en las distintas actividades. Para predecir el nivel de compromiso de los estudiantes, se aplicaron varios algoritmos ML al conjunto de datos. Utilizando estos algoritmos, se obtuvieron primero modelos entrenados; después se compararon los valores de precisión y kappa de los modelos. Los resultados demostraron que los clasificadores J48, árbol de decisión, JRIP y gradient-boosted mostraron un mejor rendimiento en términos de precisión, valor kappa y recuperación en comparación con los otros modelos probados. Sobre la base de estos resultados, desarrollamos un cuadro de mando para facilitar la labor del instructor en la OU. Estos modelos pueden incorporarse fácilmente a los sistemas de EVE para ayudar a los instructores a evaluar el compromiso de los estudiantes durante los cursos de EVE con respecto a las diferentes actividades y materiales y para proporcionar intervenciones adicionales para los estudiantes antes de su examen final. Además, este estudio examinó la relación entre el compromiso de los estudiantes y la puntuación de la evaluación del curso.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:compromiso de los estudiantes, compromiso de los estudiantes, valor kappa, diversas actividades del curso, falta de estudiantes, curso de ciencias sociales, diversos materiales del curso, puntuación de la evaluación del curso, efectos del compromiso, nivel de compromiso
• Keywords:engagement students, students engagement, kappa value, various course activities, lack of students, social science course, various course material, course assessment score, effects of engagement, level of engagement