Diferencia entre revisiones de «Estudiantes en riesgo de abandonar»

Revisión actual - 11:23 18 sep 2020

¡Nueva característica
en Moodle 3.4!

Vista general

Comenzando con la versión 3.4, el núcleo de Moodle ahora implementa analítica del aprendizaje transparente, de próxima-generación, de código abierto. En Moodle 3.4, este sistema incluye un modelo interconstruido llamado "Estudiantes en riesgo de abandonar". Esta documentación describe este modelo en detalle.

Este modelo predice estudiantes que están en riesgo de no-finalizar (abandonar / desertar) de un curso Moodle, basándose en un bajo compromiso del estudiante. En este modelo, la definición de "abandonar" es "sin actividad del estudiante en el último cuarto del curso." Este modelo de predicción usa el modelo de la Community of Inquiry (Comunidad de Investigación) de compromiso del estudiante, que consiste de tres partes:

Presencia cognitiva
Presencia social
Presencia del profesor

Vea debajo para más detalles acerca de como estos constructos están definidos dentro del modelo.

Características principales

Al abstraer los conceptos de "presencia cognitiva" y "presencia social," este modelo de predicción puede analizar y sacar conclusiones de una amplia variedad de cursos, y aplicar esas conclusiones para hacer predicciones acerca de nuevos cursos, incluso cursos que nunca hayan sido enseñados en el sistema Moodle anteriormente. El modelo no está limitado a hacer predicciones acerca del éxito de estudiantes solamente en duplicados exactos de cursos ofertados en el pasado.

Limitaciones

Este modelo de predicción asume que los cursos tienen fechas de inicio y finalización fijas, y no está diseñado para ser utilizado con cursos de inscripción continua. Los modelos que admiten una gama más amplia de tipos de cursos se incluirán en futuras versiones de Moodle.
1. Debido a este supuesto de diseño de modelo, es muy importante establecer correctamente las fechas de inicio y finalización del curso para que cada curso utilice este modelo. Si los cursos anteriores y los cursos en curso, las fechas de inicio y finalización no se configuran correctamente, las predicciones no pueden ser precisas.
2. Los cursos no se incluirán en la capacitación o en las predicciones si la fecha de finalización es anterior a la fecha de inicio.
Este modelo requiere el uso de secciones dentro de los cursos, para dividir todas las actividades en intervalos de tiempo.
No se utilizarán cursos con fechas de inicio y finalización superiores a un año.
Este modelo requiere una cierta cantidad de datos dentro-de-Moodle con los que hacer predicciones. En este momento, solamente se incluyen las actividades principales de Moodle en el conjunto de indicadores (ver más abajo). Los cursos que no incluyen varias actividades principales de Moodle por "intervalo de tiempo" tendrán un apoyo predictivo deficiente en este modelo. Este modelo de predicción será más efectivo con cursos completamente en línea o "híbridos" o "combinados" con componentes en línea sustanciales.

Debido a que el campo de fecha de finalización del curso solo se introdujo en Moodle 3.2 y algunos cursos pueden no haber establecido una fecha de inicio del curso en el pasado, incluimos un script de interfaz de línea de comandos:

$ admin/tool/analytics/cli/guess_course_start_and_end.php

Este script intenta estimar las fechas de inicio y finalización del curso anterior mirando las inscripciones de los estudiantes y los registros de actividad de los estudiantes. Después de ejecutar este script, verifique que los resultados estimados de las fechas de inicio y finalización sean razonablemente correctos.

Indicadores

Los indicadores pueden ser definidos en cualquier nivel de contexto. Los indicadores usados en este modelo están implementados para cada uno de los módulos de actividad del núcleo de Moodle.

Profundidad cognitiva

La profundidad cognitiva es una medida del constructo "presencia cognitiva" dentro del marco teórico de la Community of Inquiry (Comunidad de Investigación) . Presencia cognitiva es definida como “La extensión en la cual los participantes en cualquier configuración particular de una Community of Inquiry (Comunidad de Investigación) pueden construir significado mediante comunicación sostenida” (Garrison, Anderson & Archer, 2000, p 89). Presencia cognitiva usualmente ha sido determinada en investigación por análisis manual de contenido. En este modelo, nosotros definimos este constructobasado en el tipo de actividad ofrecido al estudiante, y la extensión en la que el estudiante demuestra compromiso cognitivo en esa actividad. El nivel de profundidad varía de 0 a 5, donde 0 indica que el estudiante ni siquiera ha visto la actividad. Los niveles de profundidad cognitiva potencial son:

El estudiante ha visto los detalles de la actividad
El estudiante ha enviado contenido a la actividad
El estudiante ha visto retroalimentación de un instructor o de uno de sus pares para la actividad
El estudiante ha proporcionado retroalimentación al instructor o a uno de sus pares dentro de la actividad
El estudiante ha revisado o ha re-enviado contenido a la actividad

El modelo inicia al asignar un valor potencial máximo de profundidad cognitiva a cada módulo de actividad. Por ejemplo, el módulo de Tarea permite hasta una profundidad cognitiva de 4. Vea debajo para más detalles sobre como estos niveles son asignados para módulos de actividad del núcleo de Moodle.

Una vez que los niveles potenciales son asignados, cada estudiante inscrito en un curso es evaluado basado en la proporción de las profundidades potenciales alcanzadas. Por ejemplo, si una actividad solamente soporta hasta el nivel 3 y el estudiante ha alcanzado nivel 3, el estudiante está participando al 100 por ciento del nivel posible de profundidad cognitiva.

Amplitud social

Amplitud social es una medida del constructo "presencia social" dentro del marco teórico de la Community of Inquiry (Comunidad de Investigación). Está definida como “La habilidad de los participantes para identificar(se) con el grupo o curso de estudio, comunicarse intencionalmente en un entorno de confianza, y desarrollar relaciones personales y afectivas progresivamente por medio de proyectar sus personalidades individuales” (Garrison, 2009, p 352). En el pasado, la presencia social usualmente ha sido medida vía encuestas posteriores al curso y análisis manual del discurso, aunque ha habido intentos crecientes para automatizar este proceso. Este modelo implementa presencia social como una "amplitud social" al examinar la amplitud de oportunidades que el participante tiene para comunicarse con otros. El nivel de amplitud social varía de 0 a 5, donde 0 indica que el estudiante no ha interactuado con nadie.Los niveles de amplitud social son:

El estudiante no ha interactuado con ningún otro participante en esta actividad (por ejemplo, ellos han leído una página)
El estudiante ha interactuado con al menos un (otro) participante (por ejemplo, ellos han enviado una tarea o intentado un examen que se auto-califica y que proporciona retroalimentación)
El estudiante ha interactuado con múltiples participantes en esta actividad, por ejemplo al publicar en un foro de discusión, wiki, base de datos, etc.
El estudiante ha interactuado con participantes en al menos una "retahila" de comunicaciones de ida y vuelta
El estudiante ha interactuado con personas fuera de la clase, por ejemplo en una auténtica comunidad de práctica

Este modelo inicia al asignar un valor potencial máximo de amplitud social a cada módulo de actividad. Por ejemplo, el módulo de Tarea permite hasta una amplitud social de 2. Vea debajo para más detalles acerca de como son asignados estos niveles para los módulos de actividad del núcleo de Moodle.

Una vez que los niveles potenciales son asignados, cada estudiante inscrito en un curso es evaluado basado en la proporción de profundidad potencial alcanzada. Por ejemplo, si una actividad solamente soporta hasta el nivel 3 y el estudiante ha alcanzado nivel 3, el estudiante está participando al 100 por ciento del nivel posible de amplitud social.

Niveles de indicador potencial para módulos de actividad seleccionados

Este diagrama muestra la profundidad cognitiva potencial y la amplitud social de todas las actividades del núcleo y algunas actividades no-del-núcleo seleccionadas:

Profundidad cognitiva y amplitud social potenciales

Al categorizar cada actividad por amplitud social y profundidad cognitiva potencial, nosotros podemos anticipar qué nivel de compromiso está soportado (y posiblemente esperado) del estudiante, aunque no haya una historia de las acciones de muchos estudiantes en esa instancia de actividad. Tenga en cuenta que los niveles altos a lo largo de cada eje incluyen a todos los niveles inferiores; por ejemplo, una actividad que involucra a un estudiante y a todos sus pares (amplitud social 3) automáticamente incluye a los niveles 1 (estudiante solamente) y 2 (estudiante +1). En muchos casos, el nivel específico solamente pued ser determinado al analizar las configuraciones de los parámetros para la actividad (tenga en cuenta que el modelo incluido en Moodle 3.4 solamente soporta actividades dentro del núcleo estándar de Moodle. Aquí están incluidas algunas actividades que no están dentro del núcleo estándar de Moodle como ejemplos.)

Analizable

El elemento "analizable (analysable)" de Moodle para este modelo es el Curso. Esto indica que el modelo iterará por los cursos en el sitio y procesará cada uno, ya sea para entrenar el modelo o para hacer predicciones. Las predicciones son hechas para cada (sample) entidad "muestra" (vea debajo) dentro del contexto del curso.

Por razones de escalabilidad todos los cálculos al nivel del curso son ejecutados en base por-curso y los conjuntos_de_datos resultantes son juntados una vez que todos los análisis del sitio estén completos.

Muestras

"Muestras" en el contexto de aprendizaje de máquina indican la unidad de análisis. En este modelo, las muestras son inscripciones de estudiantes en cursos. Las predicciones se harán para cada inscripción de estudiante en un curso, basándose en los datos observados durante el entrenamiento del modelo para todas las inscripciones de estudiantes anteriores en cursos que han terminado.

Muestras válidas

Las muestras válidas son definidas para cada modelo en términos de las predicciones del modelo y el entrenamiento del modelo. Para este modelo, los criterios son:

Para predicción = cursos en marcha
Para entrenamiento = cursos terminados con actividad

Intuiciones

Intuiciones son las predicciones específicas generadas por un modelo para cada unidad definida en la muestra (en este caso, inscripciones de estudiantes en un curso) dentro del contexto de ese modelo (en este caso, cada curso). El contexto es usado para definir quien recibirá notificaciones basadas en la capacidad moodle/analytics:listinsights para ese contexto. Para este modelo, este permiso está definido para el Rol de profesor por defecto.

En este modelo, las intuiciones son binarias; por ejemplo, "estudiante con riesgo de abandonar" o "estudiante sin riesgo de abandonar".

Acciones

Cada intuición puede tener una o más acciones definidas. Para este modelo, las acciones son:

Enviar un mensaje al estudiante
Ver el Reporte de Vista general para el estudiante en este curso
Ver detalles de la predicción
Darse por enterado de la notificación
Marcar la notificación como "no útil"

Intuiciones y Acciones

Métodos de División del Tiempo Recomendados

Esto depende de la duración típica de los cursos y la duración del período de altas_y_bajas (si fuera relevante). Si Usted desea ver predicciones dentro de las primeras dos semanas de un curso de 16 semanas, Usted necesitará usar "décimos (tenths)." (16 semanas = 112 días, por lo que las predicciones serán calculadas aproximadamente cada 11 días). Sin embargo, si Usted desara ver predicciones cada dos semanas en un curso de 8 semanas, "cuartos (quarters)" serán suficientes. Recuerde, el proceso de evaluación iterará por todos los métodos habilitados para dividir el tiempo; por lo que, mientras más métodos para división del tiempo tenga habilitados, tanto más lento será el proceso de evaluación cada vez que ejecute (y tomará más tiempo para entrenar el modelo).

@@ Línea 1: / Línea 1: @@
-{{Monitoreo del progreso}}{{Nuevas características de Moodle 3.4}}
+{{Analítica del aprendizaje}}{{Nuevas características de Moodle 3.4}}
 ==Vista general==
 Comenzando con la versión 3.4, el núcleo de Moodle ahora implementa analítica del aprendizaje transparente, de próxima-generación, de código abierto. En Moodle 3.4, este sistema incluye un modelo interconstruido llamado "Estudiantes en riesgo de abandonar". Esta documentación describe este modelo en detalle.
-Este modelo predice estudiantes que están en riesgo de no-finalizar (abandonar / desertar) de un curso Moodle, basándose en un bajo compromiso del estudiante. En este modelo, la definición de "abandonar" es "sin actividad del estudiante en el último cuarto del curso." Este modelo de predicción usa el modelo de la [https://en.wikipedia.org/wiki/Community_of_inquiry Community of Inquiry] de compromiso del estudiante, que consiste de tres partes:
+Este modelo predice estudiantes que están en riesgo de no-finalizar (abandonar / desertar) de un curso Moodle, basándose en un bajo compromiso del estudiante. En este modelo, la definición de "abandonar" es "sin actividad del estudiante en el último cuarto del curso." Este modelo de predicción usa el modelo de la [https://en.wikipedia.org/wiki/Community_of_inquiry ''Community of Inquiry'' (Comunidad de Investigación)] de compromiso del estudiante, que consiste de tres partes:
 * Presencia cognitiva
@@ Línea 10: / Línea 10: @@
 * Presencia del profesor
-Vea debajo para más detalles acerca de como estos constructos están definidos dentro del modelo.
+Vea debajo para más detalles acerca de como estos [https://es.wikipedia.org/wiki/Constructo_social constructos] están definidos dentro del modelo.
 ===Características principales===
@@ Línea 17: / Línea 17: @@
 ===Limitaciones===
-{{Urgente de traducir}}
-# This prediction model assumes that courses have fixed start and end dates, and is not designed to be used with rolling enrollment courses. Models that support a wider range of course types will be included in future versions of Moodle.
-## Because of this model design assumption, it is very important to properly set course start and end dates for each course to use this model. If both past courses and ongoing courses start and end dates are not properly set predictions cannot be accurate.
-## Courses will not be included in training or predictions if the end date is before the start date.
-# This model requires the use of sections within the courses, in order to split all activities into time ranges.
-# Courses with start and end dates further than one year apart will not be used.
-# This model requires a certain amount of in-Moodle data with which to make predictions. At the present time, only core Moodle activities are included in the indicator set (see below). Courses which do not include several core Moodle activities per “time slice” will have poor predictive support in this model. This prediction model will be most effective with fully online or “hybrid” or “blended” courses with substantial online components.
-Because the course end date field was only introduced in Moodle 3.2 and some courses may not have set a course start date in the past, we include a command line interface script:
+# Este modelo de predicción asume que los cursos tienen fechas de inicio y finalización fijas, y no está diseñado para ser utilizado con cursos de inscripción continua. Los modelos que admiten una gama más amplia de tipos de cursos se incluirán en futuras versiones de Moodle.
+## Debido a este supuesto de diseño de modelo, es muy importante establecer correctamente las fechas de inicio y finalización del curso para que cada curso utilice este modelo. Si los cursos anteriores y los cursos en curso, las fechas de inicio y finalización no se configuran correctamente, las predicciones no pueden ser precisas.
+## Los cursos no se incluirán en la capacitación o en las predicciones si la fecha de finalización es anterior a la fecha de inicio.
+# Este modelo requiere el uso de secciones dentro de los cursos, para dividir todas las actividades en intervalos de tiempo.
+# No se utilizarán cursos con fechas de inicio y finalización superiores a un año.
+# Este modelo requiere una cierta cantidad de datos dentro-de-Moodle con los que hacer predicciones. En este momento, solamente se incluyen las actividades principales de Moodle en el conjunto de indicadores (ver más abajo). Los cursos que no incluyen varias actividades principales de Moodle por "intervalo de tiempo" tendrán un apoyo predictivo deficiente en este modelo. Este modelo de predicción será más efectivo con cursos completamente en línea o "híbridos" o "combinados" con componentes en línea sustanciales.
- $ admin/tool/analytics/cli/guess_course_start_and_end.php
+Debido a que el campo de fecha de finalización del curso solo se introdujo en Moodle 3.2 y algunos cursos pueden no haber establecido una fecha de inicio del curso en el pasado, incluimos un ''script'' de interfaz de línea de comandos:
-This script attempts to estimate past course start and end dates by looking at the student enrolments and students' activity logs. After running this script, please check that the estimated start and end dates script results are reasonably correct.
+ $ admin/tool/analytics/cli/guess_course_start_and_end.php
+Este ''script'' intenta estimar las fechas de inicio y finalización del curso anterior mirando las inscripciones de los estudiantes y los registros de actividad de los estudiantes. Después de ejecutar este ''script'', verifique que los resultados estimados de las fechas de inicio y finalización sean razonablemente correctos.
 == Meta ==
@@ Línea 36: / Línea 36: @@
 Adicionalmente,
-# Enrolments in which the time end is before the current start date in the course will be excluded from predictions.
+# Las inscripciones en las que el tiempo finaliza antes de la fecha de inicio actual en el curso se excluirán de las predicciones.
-# Enrolments lasting more than 1 year are excluded
+# Se excluyen inscripciones de más de 1 año.
-# Course completion can be used as a success metric if it is enabled
+# La finalización del curso se puede utilizar como una métrica de éxito si está habilitado
-# Otherwise, activity within the last quarter of the course is considered "not dropping out"
+# De lo contrario, la actividad dentro del último trimestre del curso se considera "no abandono"
-The code for this target is located at ''moodlesite''/opt/app/lib/classes/analytics/target/course_dropout.php
-where ''moodlesite'' is the root directory of your moodle site.
+El código para este objetivo se encuentra en ''moodlesite''/course/classes/analytics/target/course_dropout.php
+donde ''moodlesite''es el directorio raíz de su sitio moodle.
 == Indicadores ==
-Los indicadores pueden ser definidos en cualquier nivel de [[Contexto|contexto]]. Los indicadores usados en este modelo están implementados para cada uno de los [[Actividades|módulos de actividad del núcleo]].
+Los indicadores pueden ser definidos en cualquier nivel de [[Contexto|contexto]]. Los indicadores usados en este modelo están implementados para cada uno de los [[Actividades|módulos de actividad del núcleo de Moodle]].
 === Profundidad cognitiva ===
-Cognitive depth is a measure of the construct "cognitive presence" within the Community of Inquiry theoretical framework. Cognitive presence is defined as “The extent to which the participants in any particular configuration of a community of inquiry are able to construct meaning through sustained communication” ([http://www.sciencedirect.com/science/article/pii/S1096751600000166 Garrison, Anderson & Archer, 2000], p 89). Cognitive presence has usually been determined in research by manual content analysis. In this model, we define this construct based on the type of activity offered to the student, and the extent to which the student demonstrates cognitive engagement in that activity. The level of depth ranges from 0 to 5, where 0 indicates that the learner has not even viewed the activity. The levels of potential cognitive depth are:
+La profundidad cognitiva es una medida del [https://es.wikipedia.org/wiki/Constructo_social constructo]  "presencia cognitiva" dentro del marco teórico de la [https://en.wikipedia.org/wiki/Community_of_inquiry ''Community of Inquiry'' (Comunidad de Investigación)] . Presencia cognitiva es definida como “La extensión en la cual los participantes en cualquier configuración particular de una  ''Community of Inquiry'' (Comunidad de Investigación) pueden construir significado mediante comunicación sostenida” ([http://www.sciencedirect.com/science/article/pii/S1096751600000166 Garrison, Anderson & Archer, 2000], p 89). Presencia cognitiva usualmente ha sido determinada en investigación por análisis manual de contenido. En este modelo, nosotros definimos este [https://es.wikipedia.org/wiki/Constructo_social constructo]basado en el tipo de actividad ofrecido al estudiante, y la extensión en la que el estudiante demuestra compromiso cognitivo en esa actividad. El nivel de profundidad varía de 0 a 5, donde 0 indica que el estudiante ni siquiera ha visto la actividad. Los niveles de profundidad cognitiva potencial son:
-# The learner has viewed the activity details
+# El estudiante ha visto los detalles de la actividad
-# The learner has submitted content to the activity
+# El estudiante ha enviado contenido a la actividad
-# The learner has viewed feedback from an instructor or peer for the activity
+# El estudiante ha visto retroalimentación de un instructor o de uno de sus pares para la actividad
-# The learner has provided feedback to the instructor or a peer within the activity
+# El estudiante ha proporcionado retroalimentación al instructor o a uno de sus pares dentro de la actividad
-# The learner has revised and/or resubmitted content to the activity
+# El estudiante ha revisado o ha re-enviado contenido a la actividad
-This model begins by assigning a maximum potential value of cognitive depth to each activity module. For example, the Assignment module allows up to cognitive depth of 4. See below for more details of how these levels are assigned for core activity modules.
+El modelo inicia al asignar un valor potencial máximo de profundidad cognitiva a cada módulo de actividad. Por ejemplo, el [[Actividad de tarea|módulo de Tarea]] permite hasta una profundidad cognitiva de 4. Vea debajo para más detalles sobre como estos niveles son asignados para [[Actividades|módulos de actividad del núcleo de Moodle]].
-Once the potential levels are assigned, each student enroled in a course is evaluated based on the proportion of the potential depth reached. For example, if an activity only supports up to level 3 and the student has reached level 3, the student is participating at 100 percent of the possible level of cognitive depth.
+Una vez que los niveles potenciales son asignados, cada estudiante inscrito en un curso es evaluado basado en la proporción de las profundidades potenciales alcanzadas. Por ejemplo, si una actividad solamente soporta hasta el nivel 3 y el estudiante ha alcanzado nivel 3, el estudiante está participando al 100 por ciento del nivel posible de profundidad cognitiva.
 === Amplitud social ===
-Social breadth is a measure of the construct "social presence" within the Community of Inquiry theoretical framework. It is defined as “The ability of participants to identify with the group or course of study, communicate purposefully in a trusting environment, and develop personal and affective relationships progressively by way of projecting their individual personalities” ([https://www.igi-global.com/chapter/communities-inquiry-online-learning/11779 Garrison, 2009], p 352). In the past, social presence has usually been measured via post-course surveys and manual discourse analysis, though there have been increasing attempts to automate this process. This model implements social presence as "social breadth" by examining the breadth of opportunities the participant has to communicate with others. The level of breadth ranges from 0 to 5, where 0 indicates the learner has not interacted with anyone. The levels of potential social breadth are:
+Amplitud social es una medida del [https://es.wikipedia.org/wiki/Constructo_social constructo] "presencia social" dentro del marco teórico de la [https://en.wikipedia.org/wiki/Community_of_inquiry ''Community of Inquiry'' (Comunidad de Investigación)]. Está definida como “La habilidad de los participantes para identificar(se) con el grupo o curso de estudio, comunicarse intencionalmente en un entorno de confianza, y desarrollar relaciones personales y afectivas progresivamente por medio de proyectar sus personalidades individuales” ([https://www.igi-global.com/chapter/communities-inquiry-online-learning/11779 Garrison, 2009], p 352). En el pasado, la presencia social usualmente ha sido medida vía encuestas posteriores al curso y análisis manual del discurso, aunque ha habido intentos crecientes para automatizar este proceso. Este modelo implementa presencia social como una "amplitud social" al examinar la amplitud de oportunidades que el participante tiene para comunicarse con otros. El nivel de amplitud social varía de 0 a 5, donde 0 indica que el estudiante no ha interactuado con nadie.Los niveles de amplitud social son:
-# The learner has not interacted with any other participant in this activity (e.g. they have read a page)
+# El estudiante no ha interactuado con ningún otro participante en esta actividad (por ejemplo, ellos han leído una  página)
-# The learner has interacted with at least one other participant (e.g. they have submitted an assignment or attempted a self-grading quiz providing feedback)
+# El estudiante ha interactuado con al menos un (otro) participante (por ejemplo, ellos han enviado una tarea o intentado un examen que se auto-califica y que proporciona retroalimentación)
-# The learner has interacted with multiple participants in this activity, e.g. posting to a discussion forum, wiki, database, etc.
+# El estudiante ha interactuado con  múltiples participantes en esta actividad, por ejemplo al publicar en un foro de discusión, wiki, base de  datos, etc.
-# The learner has interacted with participants in at least one "volley" of communications back and forth
+# El estudiante ha interactuado con  participantes en al menos una "retahila" de comunicaciones de ida y vuelta
-# The learner has interacted with people outside the class, e.g. in an authentic community of practice
+# El estudiante ha interactuado con  personas fuera de la clase, por ejemplo en una auténtica comunidad de práctica
-This model begins by assigning a maximum potential value of social breadth to each activity module. For example, the Assignment module allows up to social breadth of 2. See below for more details of how these levels are assigned for core activity modules.
+Este modelo inicia al asignar un valor potencial máximo de amplitud social a cada módulo de actividad. Por ejemplo, el [[Actividad de tarea|módulo de Tarea]] permite hasta una amplitud social de 2. Vea debajo para más detalles acerca de como son asignados estos niveles para los módulos de actividad del núcleo de Moodle.
-Once the potential levels are assigned, each student enroled in a course is evaluated based on the proportion of the potential depth reached. For example, if an activity only supports up to level 3 and the student has reached level 3, the student is participating at 100 percent of the possible level of social breadth.
+Una vez que los niveles potenciales son asignados, cada estudiante inscrito en un curso es evaluado basado en la proporción de profundidad potencial alcanzada. Por ejemplo, si una actividad solamente soporta hasta el nivel 3 y el estudiante ha alcanzado nivel 3, el estudiante está participando al 100 por ciento del nivel posible de amplitud social.
 === Niveles de indicador potencial para módulos de actividad seleccionados ===
@@ Línea 81: / Línea 80: @@
 Este diagrama muestra la profundidad cognitiva potencial y la amplitud social de todas las actividades del núcleo y algunas actividades no-del-núcleo seleccionadas:
-[[Image:07_depth_breadth.png|frame|center|Profundidad cognitiva potencial y amplitud social]]
+[[Image:07_depth_breadth.png|frame|center|Profundidad cognitiva y amplitud social potenciales]]
-By categorizing each activity by potential cognitive depth and social breadth, we can anticipate what level of engagement is supported (and possibly expected) of the learner, even without a history of many learners’ actions in that activity instance. Note that higher levels along each axis include all lower levels, i.e. an activity that involves a student and all peers (social breadth 3) automatically includes levels 1 (student only) and 2 (student +1). In many cases, the specific level can only be determined by analyzing the parameter settings for the activity. (Note that the model included in Moodle 3.4 only supports activities in Moodle Core. Some non-Core activities are included here as examples.)
+Al categorizar cada actividad por amplitud social y profundidad cognitiva potencial, nosotros podemos anticipar qué nivel de compromiso está soportado (y posiblemente esperado) del estudiante, aunque no haya una historia de las acciones de muchos estudiantes en esa instancia de actividad. Tenga en cuenta que los niveles altos a lo largo de  cada eje incluyen a todos los niveles inferiores; por ejemplo, una actividad que involucra a un estudiante y a todos sus pares  (amplitud social 3) automáticamente incluye a los niveles 1 (estudiante solamente) y 2 (estudiante +1). En muchos casos, el nivel específico solamente pued ser determinado al analizar las configuraciones de  los parámetros para la actividad (tenga en cuenta que el modelo incluido en Moodle 3.4 solamente soporta actividades dentro del núcleo estándar de Moodle. Aquí están incluidas algunas actividades que no están dentro del núcleo estándar de Moodle como ejemplos.)
 == Analizable ==
-El elemento "analizable (analysable)" de Moodle para este modelo es el Curso. Esto indica que el modelo iterará por los cursos en el sitio y procesará cada uno, ya sea para entrenar el modelo o para hacer predicciones. Las predicciones son hechas para cada entidad "muestra (sample)" (ve adebajo) dentro del contexto del curso.
+El elemento [https://docs.moodle.org/dev/Analytics_API#Analysable "analizable (analysable)"] de Moodle para este modelo es el Curso. Esto indica que el modelo iterará por los cursos en el sitio y procesará cada uno, ya sea para entrenar el modelo o para hacer predicciones. Las predicciones son hechas para cada (''sample'') entidad "muestra" (vea debajo) dentro del contexto del curso.
-Por razones de de escalabilidad todos los cálculos al nivel del curso son ejecutados en base por-curso y los conjuntos_de_datos resultantes son juntados una vez que todos los análisis del sitio estén completos.
+Por razones de escalabilidad todos los cálculos al nivel del curso son ejecutados en base por-curso y los conjuntos_de_datos resultantes son juntados una vez que todos los análisis del sitio estén completos.
 == Muestras ==
-"Muestras" en el contexto de aprendizaje de máquina indican la unidad de análisis. en este modelo, las muestras son inscripciones de estudiantes en cursos. Las predicciones se harán para cada inscripción de estudiante en un curso, basándose en los datos observados durante el entrenamiento del modelo para todas las inscripciones de estudiantes anteriores en cursos que han terminado.
+[https://docs.moodle.org/dev/Analytics_API#Samples "Muestras"] en el contexto de aprendizaje de máquina indican la unidad de análisis. En este modelo, las muestras son inscripciones de estudiantes en cursos. Las predicciones se harán para cada inscripción de estudiante en un curso, basándose en los datos observados durante el entrenamiento del modelo para todas las inscripciones de estudiantes anteriores en cursos que han terminado.
 === Muestras válidas ===
@@ Línea 122: / Línea 121: @@
 == Métodos de División del Tiempo Recomendados ==
-Esto depende de la duración típica de los cursos y la duración del período de altas_y_bajas (si fuera relevante). Si Usted desea ver predicciones dentro de las primeras dos semanas de un curso de 16 semanas, Usted necesitará usar "décimos (tenths)." (16 semanas = 112 días, por lo que las predicciones serán calculadas aproximadamente cada 11 días). Sin embargo, si Usted desara ver predicciones cada dos semanas en un curso de 8 semanas, "cuartos (quarters)" serán suficientes. Recuerde, el proceso de evaluación iterará por todos los métodos para dividir el tiempo habilitados; por lo que, mientras más métodos para división del tiempo tenga habilitados, tanto más lento será el proceso de evaluación cada vez que corra (y tomará más tiempo ppara entrenar el modelo).
+Esto depende de la duración típica de los cursos y la duración del período de altas_y_bajas (si fuera relevante). Si Usted desea ver predicciones dentro de las primeras dos semanas de un curso de 16 semanas, Usted necesitará usar "décimos (tenths)." (16 semanas = 112 días, por lo que las predicciones serán calculadas aproximadamente cada 11 días). Sin embargo, si Usted desara ver predicciones cada dos semanas en un curso de 8 semanas, "cuartos (quarters)" serán suficientes. Recuerde, el proceso de evaluación iterará por todos los métodos habilitados para dividir el tiempo; por lo que, mientras más métodos para división del tiempo tenga habilitados, tanto más lento será el proceso de evaluación cada vez que ejecute (y tomará más tiempo para entrenar el modelo).
 [[Categoría:Analítica]]
 [[en:Students at risk of dropping out]]

Documentation