Analítica

Saltar a: navegación, buscar

Moodle 3.7

note icon.png Existe documentación diferente para varias versiones de Moodle: Esta documentación es para Moodle 3.7 y más recientes. Existe documentación anterior en 34/Analítica.


Vista general

Vista general de Analítica en Moodle 3.7 (en idioma inglés)

Comenzando con la versión 3.4, el núcleo de Moodle ahora implementa analítica del aprendizaje transparente, de próxima-generación, de código abierto, usando backends de aprendizaje de máquina que van más allá de la analítica descriptiva simple, para proporcionar predictores de éxito del estudiante, y diagnóstico final y prescripciones (recomendaciones) para estudiantes y profesores.

¿Qué es la analítica del aprendizaje?

La analítica del aprendizaje son algoritmos de software que son usados para predecir o detectar aspectos desconocidos del proceso de aprendizaje, basados en datos históricos y el comportamiento actual. Hay cuatro categorías principales de analítica del aprendizaje:

  • descriptiva (¿qué pasó?)
  • predictiva (¿qué pasará después?)
  • diagnóstica (¿porqué pasó?)
  • prescriptiva (haga esto para mejorar)

La mayoría de las soluciones comerciales son solamente descriptivas. Aquellas que son predictivas o proactivas hacen ciertas presunciones acerca del aprendizaje que no siempre aplican para todos.

Analítica versus reportes

Moodle proporciona una variedad de reportes incluidos basados en datos de bitácoras, pero son primariamente descriptivos en naturaleza - ellos le dicen a los participantes lo que pasó, pero no porqué pasó; y no predicen resultados ni recomiendan a los participantes acerca de como mejorar sus resultados. Las entradas de bitácoras, aunque son muy detalladas, en sí mismas no son descriptivas del proceso de aprendizaje. ellas nos dicen "quien", "que" y "cuando", pero no "porqué" o "qué tan bien". Se necesita mucho más contexto alrededor de cada micro-acción para desarrollar un patrón de compromiso.

También existen muchos plugins de terceros para Moodle que proporcionan analítica descriptiva. También hay integraciones con soluciones de reporte fuera-del-sitio de terceros. Una vez más, éstos proporcionan analítica descriptiva que depende del juicio humano para interpretar los reportes y generar predicciones y prescripciones.


A menudo en el pasado, los sistemas de analítica del aprendizaje han intentado analizar activides pasadas para predecir actividades futuras en tiempo real. Con la Analítica del Aprendizaje de Moodle, nosotros estamos más ambiciosos. Nosotros creemos que una solución completa de analítica del aprendizaje nos ayudará no solamente a predecir eventos, sino también a cambiarlos para que sean más positivos.

Características destacadas

  • Dos tipos de modelos soportados:
    • Modelos basados en aprendizaje de máquina, incluyendo modelos predictivos
    • Modelos "estáticos" para detectar situaciones de riesgo usando reglas simples
  • Tres modelos incluidos: "Estudiantes en riesgo de abandonar", "Actividades próximas pendientes" y "Sin Enseñanza".¡Nueva característica
    en Moodle 3.7!
  • Un conjunto de indicadores de compromiso indicadores basados en la Community of Inquiry.
  • Herramientas incluida para evaluar modelos contra los datos de su sitio
  • Notificaciones proactivas usando Eventos
  • Una lista de acciones sugeridas es proporcionada junto con las notificaciones de Intuiciones (predicciones) para cada modelo. Por ejemplo, en el modelo de Estudiantes en riesgo de abandonar, los instructores pueden fácilmente mandar mensajes a los estudiantes identificados por el modelo, o saltar al Reporte de actividad para ese estudiante para más detalles acerca de la actividad del estudiante dentro del curso
  • Una API para construir indicadores y modelos de predicción para plugins Moodle de terceros
  • Tipo de plugin de backend de aprendizaje de máquina - soporta PHP y Python, y puede ser extendido para implementar otros backends de Aprendizaje de Máquina
  • El sistema puede ser extendido fácilmente con nuevos modelos personalizados, basados en metas re-utilizables, indicadores y otros componentes. Para más información, vea la documentación para desarrolladores Analytics API.

Limitaciones

  • Los modelos de aprendizaje de máquina, tales como Estudiantes en riesgo de abandonar necesitan ser entrenados en un sitio con datos. Estos modelos no pueden hacer predicciones en un sitio hasta después de que se haga esto.
  • Los modelos deben ser diseñados y seleccionados para concordar con las prioridades educativas de la institución.

Configuraciones

El sistema de analítica del aprendizaje de Moodle necesita un poco de configuración inicial antes de usarse. Vea Configuraciones de analítica para más detalles.

Uso de analítica

La API de Analítica del Aprendizaje de Moodle es un sistema abierto para una variedad muy amplia de modelos. Los modelos pueden contener indicadores (también conocidos como predictores), metas (el resultado que estamos tratando de predecir), intuiciones (predicciones) - los predictores mismos-, notificaciones (mensajes enviados como un resultado de las intuiciones, y acciones (ofrecidas a los destinatarios de mensajes, que pueden volverse indicadores en turno).

La mayoría de los modelos de analítica del aprendizaje no están habilitados en forma predeterminada. El habilitar modelos para usarlos debería hacerse después de considerar las metas institucionales que los modelos pretenden soportar. Vea Uso de analítica para más información.

Gestión de modelos

Una vez que los modelos hayan sido habilitados y entrenados, serán generadas intuiciones (predicciones). Los modelos también deberían de ser monitoreados sobre su desempeño y exactitud. Vea Gestión de analítica para más información.

Capacidades

Hay dos capacidades analíticas:

Preguntas Frecuentes

Analítica del aprendizaje en Moodle FAQ