MODALIDAD PRESENCIAL
ESCUELA CIENCIAS DE LA COMPUTACIÓN
Análisis de las interacciones de los estudiantes de la UTPL con las
herramientas del Eva, mediante el análisis de redes sociales y la
aplicación de técnicas de minería de datos, para determinar
indicadores de interacción basados en la colaboración.
AUTORA
:
Ruth Amada Hidalgo Tene
DIRECTOR:
Ing. Manuel Eduardo Sucunuta España
Loja - Ecuador
2011
Ing. Manuel Sucunuta
DIRECTOR DE TESIS
CERTIFICA:
Haber revisado, discutido y corregido, en todas sus partes el desarrollo de la tesis ANÁLISIS DE LAS INTERACCIONES DE LOS ESTUDIANTES DE LA UTPL CON LAS HERRAMIENTAS DEL EVA, MEDIANTE EL ANÁLISIS DE REDES SOCIALES Y LA APLICACIÓN DE TÉCNICAS DE MINERÍA DE DATOS, PARA DETERMINAR INDICADORES DE INTERACCIÓN BASADOS EN LA COLABORACIÓN, autoría de la Srta. Ruth Amada Hidalgo Tene; trabajo que se ajusta a las normas establecidas por la escuela de Ciencias de la Computación de la Universidad Técnica Particular de Loja.
En virtud de reunir a satisfacción, las cualidades de fondo y forma exigidos para un trabajo de este nivel, autorizo su presentación, sustentación y defensa ante el Tribunal respectivo.
Loja, Octubre del 2011
Ing. Manuel Sucunuta
CESIÓN
DE
DERECHOS
Yo, Ruth Amada Hidalgo Tene, declaro ser autora del presente trabajo y eximo expresamente a la Universidad Técnica Particular de Loja y a sus representantes legales de posibles reclamos o acciones legales.
Adicionalmente declaro conocer y aceptar la disposición del Art. 67 del Estatuto
Orgánico de la Universidad Técnica Particular de Loja, que en su parte pertinente textualmente dice: “Forman parte del patrimonio de la Universidad la propiedad intelectual de investigaciones, trabajos científicos o técnicos y tesis de grado que se realicen a través o con el apoyo financiero, académico o institucional (operativo) de la Universidad”.
AUTORÍA
Las ideas y contenidos expuestos en el presente trabajo de investigación son, son de exclusiva responsabilidad de su autora.
Ruth Amada Hidalgo Tene
DEDICATORIA
El trabajo que hoy he culminado es un cofre que guarda toda todos mis sueños, anhelos y metas; éxitos que han sido el resultado de la perseverancia y el deseo de ser mejor para servir a mi familia y a la sociedad.
Este cofre se lo entrego a Dios por haberme dado la vida y las oportunidades presentadas para lograr mi objetivo; a mis padres por su amor, constancia y apoyo incondicional dándome fuerzas para continuar mi camino; a mis hermanas por su ejemplo de lucha y de triunfo que me impulsaron a ser mejor; a mi abuelita (+), que con su amor e interés por saber como me encuentro cada día me hizo sentir que el caminar es sencillo, lo importante es comenzar; a mi amigo del alma que estuvo siempre conmigo incondicionalmente.
A todas y cada una de las personas que me ayudaron en esta maravillosa etapa que estoy culminando.
AGRADECIMIENTO
“Piensa en grande y llegarás a ser grande”. Esta tesis es una muestra de que los sueños por más imposibles que aparenten ser, son fácilmente alcanzables cuando se tiene el deseo y la energía positiva de lograrlo.
Como resultado de este trabajo quiero agradecer el apoyo del Ing. Nelson Piedra, quien como director de la escuela de Ciencias de la Computación, mantuvo un espíritu de apoyo al alumno durante mis años de estudio en la universidad, de manera especial al Ing. Greyson Alberca por sus conocimientos, motivación y exigencia durante todo el desarrollo de mi tesis; al Ing. Manuel Sucunuta por su gentileza al continuar con la dirección de la tesis y su finalización.
Agradezco al grupo de profesores y compañeros que me ayudaron en el desarrollo del trabajo de investigación, quienes compartieron sus experiencias, conocimientos e información, brindándome su amistad y continuo apoyo en este proceso.
TABLA
DE
CONTENIDO
CERTIFICA: ____________________________________________________________ ii
CESIÓN DE DERECHOS __________________________________________________ iii
AUTORÍA ____________________________________________________________ iv
DEDICATORIA _________________________________________________________ v
AGRADECIMIENTO ____________________________________________________ vi
TABLA DE CONTENIDO _________________________________________________ vii
RESUMEN _____________________________________________________________ x
INTRODUCCIÓN _______________________________________________________ xi
DESCRIPCIÓN DEL PROBLEMA __________________________________________ xiii
OBJETIVOS __________________________________________________________ xiv
HIPÓTESIS ___________________________________________________________ xv
RESULTADOS ESPERADOS ______________________________________________ xvi
PARTE I ______________________________________________________________ 17
CAPÍTULO 1 ______________________________________________________________ 18
ESTADO DEL ARTE _________________________________________________________ 18
1.1. TRABAJOS RELACIONADOS EN SNA____________________________________________ 19 1.2. TRABAJOS RELACIONADOS EN MINERÍA DE DATOS _______________________________ 21 1.3. OTROS TRABAJOS RELACIONADOS ____________________________________________ 23 1.3.1 Indicadores de aprendizaje cooperativo virtual __________________________________ 24
CAPÍTULO 2 ______________________________________________________________ 26
MARCO TEÓRICO _________________________________________________________ 26
2.4.1 Proceso KDD _____________________________________________________________ 35 2.4.2 Minería de datos educacional _______________________________________________ 35 2.4.3 Técnicas de minería de datos ________________________________________________ 36 2.4.3.1 Clasificación y agrupamiento. _____________________________________________ 36
PARTE II _____________________________________________________________ 37
CAPÍTULO 3 ______________________________________________________________ 38
ANÁLISIS GENERAL Y ESTADÍSTICO DEL USO DE LAS HERRAMIENTAS ________________ 38
3.1 ANÁLISIS DE LAS INTERACCIONES EN EL ENTORNO VIRTUAL DE APRENDIZAJE _________ 39 3.1.1 Descripción de las herramientas _____________________________________________ 40 3.1.2 Análisis general __________________________________________________________ 42
CAPÍTULO 4 ______________________________________________________________ 46
ANÁLISIS MEDIANTE SNA ___________________________________________________ 46
4.1 ANÁLISIS GRÁFICO DE CADA HERRAMIENTA _____________________________________ 48 4.1.1 CHAT _________________________________________________________________ 48 4.1.2 FORO _________________________________________________________________ 56 4.1.3 MENSAJERÍA _____________________________________________________________ 59 4.1.4 TWITTER ________________________________________________________________ 61
PARTE III _____________________________________________________________ 63
CAPÍTULO 5 PREPARACIÓN DE LOS DATOS _____________________________________ 64
5.1 CASO DE ESTUDIO ____________________________________________________________ 65 5.2 PREPARACIÓN DE LOS DATOS ________________________________________________ 66 5.2.1 Recopilación de los datos ___________________________________________________ 66 5.3 LIMPIEZA Y TRANSFORMACIÓN ______________________________________________ 69 5.3.1 Tablas de las interacciones en las herramientas colaborativas ______________________ 70 5.3.2 Resumen de los atributos ___________________________________________________ 71 5.4 EXPLORACIÓN Y SELECCIÓN __________________________________________________ 75 5.4.1 Eliminación de atributos redundantes _________________________________________ 75 5.4.2 Selección de atributos relevantes ____________________________________________ 76
Capítulo 6 _______________________________________________________________ 79
Inferencia _______________________________________________________________ 79
6.1 AGRUPAMIENTO __________________________________________________________ 80 6.2 OPTIMIZACIÓN DE LOS RESULTADOS __________________________________________ 86 6.3 REPRESENTACIÓN DE LOS INDICADORES _______________________________________ 90
RESULTADOS _________________________________________________________ 92
RESULTADOS OBTENIDOS EN SNA ____________________________________________ 93
RESULTADOS OBTENIDOS EN LA MINERÍA DE DATOS ____________________________ 95
DISCUSIÓN __________________________________________________________ 102
CONCLUSIONES ______________________________________________________ 105
9.1 INTEGRACIÓN DE LAS HERRAMIENTAS ________________________________________ 109 9.2 ANÁLISIS CUALITATIVO ____________________________________________________ 110 9.3 HERRAMIENTA DE EVALUACIÓN PARA EL DOCENTE _____________________________ 110 9.4 CREACIÓN DE SISTEMAS RECOMENDADORES ______________________________________ 110
Referencias _________________________________________________________ 111
Anexos _____________________________________________________________ 116
Anexo A ____________________________________________________________ 117
Anexo B ____________________________________________________________ 124
Anexo C ____________________________________________________________ 133
RESUMEN
INTRODUCCIÓN
El creciente desarrollo de la tecnología en el campo de la educación está contribuyendo en la mejora del aprendizaje, especialmente en la Educación a Distancia, con la creación de herramientas que facilitan la comunicación y el trabajo grupal, también con metodologías y técnicas que permiten evaluar el uso de las mismas, proporcionando conocimiento relevante a través del descubrimiento de patrones que servirá para la toma de decisiones y, por ende, el planteamiento de estrategias que mejoren el proceso de enseñanza-aprendizaje.
La UTPL se caracteriza por mantenerse en un nivel tecnológico superior, innovando su plataforma de estudios a la par con el desarrollo de la tecnología; actualmente dispone de cuatro herramientas fundamentales en la comunicación de los estudiantes y profesores, éstas son: el foro, el chat, la mensajería y el twitter; herramientas integradas en la plataforma Moodle denominada EVA1 (Entorno Virtual de Aprendizaje), el acceso a las herramientas depende del tipo de cada una de ellas, en el caso de la mensajería y el twitter está disponible a cualquier momento para los estudiantes, pero el foro y el chat dependen de que el profesor los habilite de acuerdo a su planificación, ya que son espacios grupales que requieren de un tema de debate y de una fecha programada.
Estos medios de comunicación en muchas investigaciones han demostrado ser eficientes en la construcción de conocimiento, promoviendo la participación activa del estudiante, creando espacios de colaboración que garantizan un aprendizaje de calidad y mejorando las relaciones sociales entre los compañeros. El propósito de esta investigación es demostrar si se está aprovechando de estas ventajas y si se está haciendo el uso adecuado de estos servicios que proporciona la universidad; además, obtener indicadores que midan el nivel de interacción de los usuarios, y conocer el comportamiento interactivo real en el uso de las herramientas.
La universidad tiene un servidor en el que se almacenan los registros de todas las interacciones de los estudiantes en la utilización del EVA, datos que se ha tomado para obtener un informe tanto matemático como estadístico que nos demuestra el estado
actual del uso de los servicios de comunicación, los mismos que se han hecho a nivel total de los usuarios y, para obtener los patrones de comportamiento interactivo, se ha tomado como muestra el curso de Arquitectura de Computadores de la carrera de Informática de la modalidad abierta; resultados que beneficiarán en la búsqueda de estrategias que mejoren el uso de estas herramientas expuestas para conseguir de esta manera un aprendizaje significativo.
Al realizar la investigación de este tema, uno de los inconvenientes fue la dificultad para acceder a la base de datos.
La tesis está integrada de cuatro partes:
Parte uno: que comprende una visión general de los temas a desarrollarse, en el capítulo 1 se mencionan los trabajos relacionados y el capítulo 2 es el estado del arte de la tesis.
Parte dos: es el desarrollo del análisis estadístico y visual de la investigación, contiene el capítulo 3: análisis general del uso de las herramientas y el capítulo 4 SNA (análisis de redes sociales)
Parte tres: corresponde a la minería de datos distribuidos en dos secciones: capítulo 5 preparación de los datos, capítulo 6 inferencia.
DESCRIPCIÓN
DEL
PROBLEMA
Uno de los problemas que la educación a distancia ha venido enfrentando es la comunicación, debido a la falta de la presencia física los alumnos no pueden socializar, siendo este factor uno de los más importantes para el aprendizaje; pero gracias a la tecnología esta dificultad ha disminuido, las plataformas de e-learning disponen de herramientas que facilitan la comunicación síncrona y asíncrona, poniendo como protagonismo principal la participación del estudiante y su interacción con los compañeros y los profesores.
La Universidad Técnica Particular de Loja en la plataforma de estudios EVA, que es utilizada tanto para estudiantes presenciales como a distancia, cuenta con herramientas para la comunicación como son la mensajería, twitter, chat y foro; los alumnos deberían ser constantes comunicadores y generadores de mensajes, pero que por el contrario, ellos hacen poco uso de dichas herramientas en el desarrollo de actividades que el profesor plantea como parte de una calificación.
OBJETIVOS
OBJETIVO GENERAL
Conocer patrones de comportamiento interactivo de los estudiantes del EVA de la UTPL, mediante el análisis de redes sociales y la aplicación de técnicas de minería de datos para obtener indicadores que midan la interacción.
OBJETIVOS ESPECÍFICOS:
• Conocer el nivel de uso de las herramientas colaborativas a través de un análisis estadístico y visual.
• Utilizar la estadística, la minería y el análisis visual para obtener resultados óptimos.
• Analizar comparativamente los algoritmos de minería de datos que mejor se adaptan al contexto del problema.
HIPÓTESIS
RESULTADOS
ESPERADOS
- Obtener indicadores que reflejen el estado de interacción de los estudiantes y profesores en el EVA.
- Integrar varias técnicas de análisis que muestren el estado de interacción completo del uso de las herramientas.
- Detectar a través de la investigación el nivel de utilización de las herramientas del EVA, identificando las menos utilizadas, para buscar mejores métodos de funcionamiento facilitando así la interacción profesor-alumno.
PARTE
I
CAPÍTULO 1
El análisis de las interacciones ha sido un área de investigación bastante desarrollada en los últimos tiempos, ganando campo en los sistemas de aprendizaje colaborativo soportado por computador (CSCL), en Martínez, et al (2003) se proporciona un estudio completo sobre estos sistemas y las teorías de aprendizaje que involucran, desarrollan métodos para la evaluación que incluyen el análisis de redes, análisis cualitativo y cuantitativo; factores que cubren los objetivos del presente proyecto, que es tratar de complementar dos métodos de evaluación de las interacciones para obtener indicadores que describan el comportamiento interactivo de estudiantes y profesores en una plataforma de estudios.
La mayor parte de los trabajos aplican un solo método y lo hacen con un pequeño grupo de análisis; a continuación se describen algunos de los más relevantes y que aportaron en el desarrollo de la tesis; están clasificados de acuerdo a la técnica de análisis que implementaron.
1.1.
TRABAJOS RELACIONADOS EN SNA
Últimamente el número de investigaciones se ha incrementado enormemente en el área del análisis de las redes, especialmente en el ámbito de la educación.
Por ejemplo, en la investigación de Willging, (2008) se muestran los resultados de un análisis de las interacciones obtenidas de los foros de discusión realizados en dos cursos, considerándolos como caso 1 y caso 2 respectivamente. Mediante la aplicación de técnicas de ARS (SNA por sus siglas en inglés) y de herramientas de visualización como UCINET2, Pajek3, MAGE, se obtienen métricas de densidad, centralidad y cohesión, que permiten el reconocimiento de patrones y les facilita a los instructores del curso e investigadores a que evalúen la participación en los foros en línea. En el caso uno se analiza un foro de participación general y otro en forma grupal, las herramientas de análisis identifican los grupos, distribuyéndolos en los más participativos. Para el caso dos, el análisis se realiza para establecer las variaciones que se producen entre una interacción síncrona y una asíncrona, los resultados señalan que en la comunicación asíncrona las interacciones estuvieron centralizadas por el ayudante de cátedra.
Lugo, (2010) hace una investigación de las interacciones aplicando SNAPP (Social Networks Adapting Pedagogical Practice), una herramienta que permite que el personal académico pueda identificar comportamientos en los estudiantes y facilitar el soporte adecuado. Se crea una red con las interacciones en un foro de Moodle de los alumnos de un curso. SNAPP, genera un gráfico en tiempo real, que es utilizado en NetDraw. Luego utilizan Gephi para realizar los análisis estadísticos.
Reuven, et. al. (2003) trabajaron con los registros de un curso de la Universidad Abierta de Israel, de dos periodos académicos, los cuales sirvieron para construir dos redes, estructurada y no estructurada. Para su análisis y visualización utilizaron Cyram NetMiner, cuyos resultados mostraron un dígrafo completamente conectado para la red estructurada y un dígrafo tipo estrella para la red no estructurada; se calcularon valores para determinar la cohesión, los roles y el poder (centralidad), el análisis de la interacción obtuvo valores altos para la red estructurada que reflejaron una mayor cooperación de los estudiantes.
La interacción en ambientes virtuales puede ser analizada tanto cuantitativa como también cualitativamente, una muestra de ello encontramos en la investigación de Verdú et al (2008); ellos examinan la comunicación establecida en ocho foros virtuales de cuatro asignaturas; en la primera parte hacen un estudio cuantitativo a través de la representación de grafos, en el que determinan el número de mensajes enviados entre los estudiantes, las relaciones establecidas y las interacciones existentes. En la segunda parte aplican una metodología cualitativa, centrándose en el contenido de los foros, que son categorizados por expertos de acuerdo a cinco fases; los resultados de esta parte, obtenidos estadísticamente, proporcionan una información más precisa sobre el lenguaje utilizado en las interacciones.
a través del SNA y técnicas cuantitativas, del cual se obtienen indicadores como la densidad, centralidad de grado de los actores y la centralidad de grado de la red.
En la investigación se presenta un análisis a nivel cuantitativo aplicando SNA, metodología que en los trabajos mencionados, ha demostrado ser un efectivo recurso para determinar indicadores de interacción; en este caso se ha definido dos enfoques: la centralidad y la cohesión; los indicadores para el primero corresponden al grado de los nodos, la intermediación y la cercanía; finalmente para la cohesión se pretende obtener indicadores como la densidad, diámetro y componentes conexos.
1.2.
TRABAJOS RELACIONADOS EN MINERÍA DE DATOS
El trabajo de tesis doctoral, Anaya (2009) realiza un análisis de la colaboración con el objetivo de mejorar el aprendizaje; hace un estudio de las interacciones realizadas en los foros por los estudiantes de la modalidad de educación a distancia de la UNED4, los mismos que resuelven una actividad colaborativa. El autor propone dos métodos de inferencia y los resultados son mostrados a través de cuatro herramientas de visualización del modelo de colaboración. Utiliza el algoritmo EM, con los resultados se observa que los grupos con mayor interacción recogen a los alumnos más colaborativos, los grupos de interacción media a los de colaboración media y los grupos con menor interacción recogen a los alumnos menos colaborativos. Otra de las fases que implenta Anaya es el modelado de la colaboración, que consiste en procesos que se realizan para la creación de un modelo. Su objetivo es tener una referencia donde comparar el modelo extraído del alumno e identificar la colaboración del mismo. Utiliza una ontología como contenedor del modelo de estudiante en donde guarda y estructura la información que la plataforma web recoge. Esto es adecuado para un modelo abierto (usable y entendible) del alumno. A los estudiantes de la UNED les ofreció cuatro herramientas metacognitivas: una aplicación web, un portlet para el proceso de la colaboración, otro portlet para mostrar información inferida de los alumnos y los dos portlet juntos, siendo éste último la herramienta con mejores resultados reflejados en las encuestas.
4 UNED: Universidad Nacional de Educación a Distancia,
En Romero et. al. se muestra el proceso completo para minar datos de entornos educativos, el caso de estudio de su investigación es en la plataforma Moodle, realizan una descripción de la plataforma, las herramientas, las tablas, los atributos importantes que son utilizados en la minería; utilizan el algoritmo de clustering Kmeans y algoritmos de clasificación. Su investigación se complementa con minería de texto, análisis estadístico y visual.
En Talavera & Gaudioso (2004) se muestra una experiencia de minería de datos en la que se aplica el algoritmo de clustering EM para obtener patrones de comportamiento; explican los pasos del proceso de extracción de conocimiento aplicados a un curso, del cual obtienen grupos de acuerdo al comportamiento similar que han tenido en un espacio colaborativo.
Dogan & Camurcu, (2010) Los objetivos de esta investigación fue agrupar los datos disponibles de un Sistema Tutor Inteligente (ITS) y visualizar los resultados de análisis de datos multidimensionales. En este estudio, los datos de ITS se agrupan utilizando los algoritmos k-means y fuzzy c-means. Resultados de análisis de los grupos proporcionó información significativa y no trivial sobre el funcionamiento de un curso. Esta información es útil para el profesor para descubrir cuáles son las situaciones de dificultad en las actividades. El software de minería de datos y de visualización utilizada para esta investigación es PARVIS5.
Fournier-Viger et al., (2010). En este trabajo, propone dos formas de mejorar el comportamiento de los Sistemas de Tutoría Inteligente mediante la explotación de los patrones temporales. La primera forma, es aprender de forma automática los modelos de trabajo de soluciones a problemas de usuarios principiantes y expertos; la segunda forma, propone la construcción de agentes de tutoría que pueden adaptar su comportamiento a los alumnos y a situaciones mediante la reutilización de patrones previamente aprendidos de las acciones de éxito de procesos anteriores. Los investigadores lograron determinar que los patrones temporales en entornos virtuales constituyen un conocimiento útil que puede ser aprovechado para mejorar su capacidad de proporcionar asistencia relevante y adaptable.
Khribi et al. ( 2009) describen un método de personalización automática con el objetivo de ofrecer recomendaciones de forma automática para estudiantes activos sin requerir su opinión explícita. Los recursos de aprendizaje recomendados se calculan en base al historial de navegación de los estudiantes, así como las similitudes y diferencias entre las preferencias de los estudiantes y los contenidos educativos. El marco propuesto para la construcción de recomendaciones automáticas en plataformas e-learning se compone de dos módulos: un módulo off-line que realizar el preprocesamiento de los datos upara construir modelos de aprendizaje y contenidos, y un módulo en línea que utiliza estos modelos para reconocer las necesidades de estudiantes. En la fase de modelado se utilizó el rastreo automatizado Nutch así como metadatos normalizados para construir modelos de contenido. El uso de las técnicas de minería Web clustering y la minería de reglas de asociación fueron utilizados para construir los perfiles de aprendizaje.
García et al. (2009) en este trabajo investigativo describen un sistema de recomendación que utiliza minería de datos con reglas de asociación y algoritmos de filtrado colaborativo con el propósito de apoyar al maestro a mejorar cursos e-learning. Las reglas obtenidas son evaluadas por expertos, asignando pesos los cuales permiten identificar las recomendaciones más eficaces. Se ha llevado varios experimentos con escenarios reales para probar el algoritmo de asociación APRIORI, el cual resultó óptimo para trabajar con personas no expertas en minería de datos. Además se experimento el desempeño de los estudiantes con el conjunto de recomendaciones ofertadas. Los profesores han opinado positivamente sobre la experiencia. Los autores recalcan que se deben hacer experimentos con un mayor grupo de estudiantes, expertos y profesores con el fin de obtener perfiles de profesores más heterogéneos.
1.3.
OTROS TRABAJOS RELACIONADOS
Casanova (2009) presenta un enfoque psicológico en esta investigación de tesis, proponiendo indicadores que permitirán evaluar y promover el aprendizaje cooperativo en entornos virtuales. Primeramente generaliza algunas definiciones de aprendizaje:
Es una actividad social debido a la interacción entre las personas, con los medios y con los ambientes.
• Aprendizaje cooperativo virtual: Proceso comunicativo de construcción de significado conjunto; promueve la interacción entre iguales en-línea. Las fases son inicio, intercambio, negociación y aplicación (Casanova, 2008).
1.3.1 Indicadores de aprendizaje cooperativo virtual
[image:24.595.109.510.353.673.2]La identificación de los indicadores es útil para observar la interacción y potenciar aquellos lenguajes que favorecen la cooperación en el aprendizaje, como indica el siguiente cuadro:
Tabla 1Indicadores de aprendizaje cooperativo virtual de acuerdo a las dimensiones o mecanismos interpsicológicos.
Interdependencia positiva Construcción de significado Relaciones psicosociales Responsabilidad
individual Explica/argumenta Refuerza/aprueba
Propuesta de
organización/método Reformulación/síntesis Estimula/anima Interpela
responsabilidad
Pregunta de
contenido/opinión Agradece Pregunta de
organización/método Justifica Diálogo social
Aclara/complementa organiza Discrepa Comunicación abierta Aclara/complementa contenido Enunciados metacognitivos Explicita la tarea
Fuente: (Casanova, Propuesta de indicadores para evaluar y promover el aprendizaje cooperativo en un debate virtual, 2009)
Mecanismos interpsicológicos fundamentales del aprendizaje cooperativo:
- Interdependencia positiva.- Es la dependencia mutua entre los participantes, es decir el éxito de cada miembro va unido al resto del equipo.
- Construcción de significado conjunto.- Se refiere a la elaboración conjunta de conocimiento, metas, planes o conceptos.
- Relaciones psicosociales.- Radica en el establecimiento de condiciones para una interacción estimulante entre los miembros.
Es clave la observación del discurso de los estudiantes para identificar los mecanismos mencionados.
Observación del discurso: consiste enidentificar los tipos de lenguaje que utilizan los estudiantes en la interacción.
CAPÍTULO 2
2.1
ANÁLISIS DE LAS INTERACCIONES
El análisis de las interacciones corresponde a la parte fundamental de los sistemas orientados a la gestión del aprendizaje, los cuales tienen por objetivo primordial descubrir características, comportamientos para luego definir en un modelo al estudiante; un ejemplo de ello son los sistemas de aprendizaje colaborativo soportado por computador (CSCL).
2.1.1 Ciclo de gestión de la colaboración
Debido al gran crecimiento de investigaciones en sistemas de análisis a las interacciones, Jerman et al (2004) proponen un conjunto de fases integradas en un proceso denominado ciclo de gestión de la colaboración, Martinez et al. (2003) modifica ese ciclo para convertirlo en un estándar del análisis de las interacciones en la evaluación.
Fases del ciclo de gestión de la colaboración
- Recogida de datos sobre la interacción
- Construcción del modelo del estado de la colaboración
- Etapa de análisis
- Etapa de retroalimentación
2.1.2 Definición de interacción
No existe una definición estándar sobre el término interacción, suele ser conceptualizada de acuerdo al área que se está investigando, en este caso, tomando como base las definiciones recopiladas en (Martinez, Dimitriadis, & Fuente, 2003) se concluye que interacción son las acciones producidas entre actores (estudiantes y profesores).
2.1.3 Modos de evaluar las interacciones
clasifican de acuerdo a p una clasificación, obtenie
• Cualitativo: La (Liam Rourke, 2 para analizar un temática entre otr • Cuantitativo: Se numéricas, como • Visual: Para este que mediante gra
2.1.4 Monitorizació
Las interacciones son la Gaudioso (2002) propon nuevo componente que p con el sistema (Figura interacción del usuario co
Fig
a perspectivas psicopedagógicas. De forma gene niendo tres maneras de realizar el análisis de la
a unidad principal de análisis es el contenido , 2000) se hace un estudio sobre los tipos de da un mensaje, ya sea por carácter, párrafo, prop otras.
Se realiza un análisis de las interacciones a tr mo el número de mensajes que se intercambian. ste modo de evaluación se utiliza las técnicas d grafos representan las interacciones entre dos o
ción de las interacciones
la principal unidad de análisis en el aprend one que en los en los CSCL se añada a la arqu e permita recoger los datos relativos a la inter ra 2). El proceso de detectar y guardar los d con el sistema lo denomina monitorización del
[image:28.595.175.435.482.742.2]Fuente: (Gaudioso, 2002) Elaboración: Elena Gaudioso
Figura 1. Esquema de un modelo de CSCL
eneral se ha realizado las interacciones:
o de los diálogos, en datos que se utilizan roposición, sentencia,
través de cantidades an.
s de análisis de redes, o más individuos
Con la monitorización del alumno se podrá determinar el comportamiento para ello se construirá un modelo correcto del usuario y de su interacción.
Gaudioso (2002) distingue cuatro fases fundamentales en todo sistema de apoyo a la colaboración:
Recogida de datos: Observar y guardar datos de la interacción. Normalmente se monitorizan las acciones que realizan los alumnos y se guardan para poder procesarlos posteriormente.
Seleccionar indicadores, para representar el estado actual de la interacción: Estos valores se obtienen manteniendo un modelo de interacción con los datos recogidos en la fase anterior. Por ejemplo, un indicador de acuerdo se obtendría comparando las acciones de dos o más alumnos en la resolución de un problema.
Diagnóstico de la interacción, comparando el estado actual de la interacción con un modelo ideal de la misma: Un modelo ideal es un conjunto de indicadores que describen estados deseables y no deseables de la interacción. Por ejemplo, una situación ideal sería aquella en que todos los alumnos de un grupo tienen un grado de participación similar y se consiguen poner de acuerdo frecuentemente.
Estas fases se resumen siempre en el mismo ciclo de ejecución. En primer lugar, se recogen los datos de la interacción, con estos datos se construye un modelo de interacción que sirve para representar el estado actual de la misma y en algunos casos la situación ideal prevista por el profesor.
Se distinguen tres tipos de sistemas de apoyo a la cooperación dentro del contexto de la gestión del modelo de la cooperación. Los sistemas que reflejan acciones, los sistemas que monitorizan el estado de la interacción y los sistemas que analizan el estado de la colaboración.
se hace partícipe al resto de componentes del grupo de lo que está realizando un determinado alumno. Hay que tener en cuenta cuándo mostrar estos datos (es decisión del diseñador del sistema) puesto que, tanto las acciones que se realizan en las áreas compartidas de trabajo como las que se realizan en las áreas privadas, pueden influir significativamente en el comportamiento del resto de componentes del grupo. Por otro lado, esta información también puede ser beneficiosa ya que permite que los componentes del grupo conozcan las acciones de sus compañeros, lo que les ayudará a mejorar su trabajo en grupo. Es necesario, por tanto, encontrar un término medio.
Los sistemas que monitorizan el estado de la interacción pueden dividirse en aquellos que modelizan el estado de la interacción mediante un conjunto de indicadores que se muestran a los alumnos y aquellos que comparan internamente el estado actual de interacción con un modelo ideal de interacción, pero no muestra esta comparación al alumno. En el primer caso, se supone que los alumnos deben gestionar ellos mismos la interacción, después de darles la información apropiada, mientras que en el segundo caso, esta información la usará más tarde un asistente que aconsejará al alumno. Por último, podemos distinguir los sistemas que analizan el estado de colaboración usando un modelo de interacción y ofrecen consejo con el objetivo de mejorar el proceso de aprendizaje. El asistente o entrenador toma entonces, un papel similar al de un profesor en una clase presencial de trabajo en grupo. Este asistente es responsable de guiar a los alumnos mejorando su cooperación y aprendizaje.
2.2
MODELO DE ESTUDIANTE
Es la denominación que se le da al Modelo de Usuario en el ámbito de la educación, siendo el componente principal de los sistemas de personalización debido a que guarda toda la información del usuario.
• Características del Usuario: preferencias, conocimiento, actividad de navegación, tareas o metas, estilos de aprendizaje, etc.
• Tecnología (contexto): estado de la red, características del dispositivo de acceso, hardware, software, etc.
• Interacción del usuario: colaborativo, interacción cooperativa para transformar un grupo de trabajo en un equipo de trabajo, etc.
2.2.1 Modelo de estudiante abierto
El término abierto se ha empleado para describir el aprendizaje que independientemente de la distancia o de si la enseñanza es presencial, la toma de decisiones sobre el
aprendizaje la toma el estudiante o los estudiantes mismos. Estas decisiones afectan a todos los aspectos del aprendizaje:
• si se realizará o no;
• qué aprendizaje (selección de contenido o destreza); • cómo (métodos, media, itinerario);
• dónde aprender (lugar del aprendizaje); • cuándo aprender (comienzo y fin, ritmo);
• a quién recurrir (tutor, amigos, colegas, profesores,etc..);
• cómo será la valoración del aprendizaje (y la naturaleza del feed-back); • aprendizajes posteriores, etc.
En Salinas (1999) se realiza un estudio del concepto de abierto en relación a las situaciones de aprendizaje presenta dos dimensiones distintas:
- Otra dimensión del concepto está relacionada con la traslación de los determinantes educacionales: metas de aprendizaje especificadas muy ajustadas; secuencia de enseñanza y lugar; la estrategia para enseñar del profesor individual o de la organización. Dejar de aplicar tales determinantes termina en diseños educacionales cerrados. Se refiere a un modelo educativo o filosofía centrada en el alumno en contra de la centrada en la institución o en el profesor.
2.3 ANÁLISIS DE REDES SOCIALES
Hoy el Análisis de Redes es un área bastante investigada, inclusive existe una asociación profesional que enlaza a los investigadores de este campo, INSNA (International Network for Social Network Analysis) un sitio que también proporciona recursos en el tema, servicios electrónicos y auspicia conferencias anuales conocidas como Sunbelt (INSNA). Para los hispanohablantes se han desarrollado espacios como el (REDES) que cuenta a demás con una revista especializada (REDES Revista Hispana para el Análisis de Redes Sociales). Las fuentes de información van cada vez aumentando, al igual que las áreas de aplicación de esta metodología, que se ha convertido en un factor indispensable para la evaluación de los datos. Se dispone de cantidad de herramientas de visualización y análisis fundamentadas en teorías matemáticas y estadísticas que facilitan el descubrimiento de patrones.
Los sistemas de gestión de aprendizaje almacenan las actividades realizadas en la plataforma, proporcionando información completa de los mensajes enviados entre los participantes de foros, chat o cualquier actividad de comunicación; con estos registros se puede estructurar una red social mediante la representación de un grafo, donde los estudiantes y profesores son representados a través de nodos y las interacciones efectuadas entre ellos son expresadas mediante enlaces o aristas; por lo tanto el EVA es una colección de redes sociales, cuyo análisis proporciona información sobre la forma en que los miembros de la red comparten y construyen el conocimiento.
ejemplo una discusión, una colaboración o cualquier acción que involucre al menos dos actores (Erétéo, 2011). Algunas interacciones implican activamente a todos los actores de la red, esto se da en una comunicación síncrona en el caso del chat; otras son iniciadas por algunos actores hacia otros, como el envío de mensajes que necesitan de un emisor y un receptor.
Para descubrir los patrones de interacción en una red, se utiliza el análisis de redes sociales (ARS) o Social Networks Analysis (SNA) en su traducción al inglés, considera por algunos como una metodología basada en la teoría de grafos. Es una recopilación de técnicas y algoritmos que permiten desarrollar modelos cuantitativos de las relaciones. Las medidas más descriptivas del comportamiento de la red son las que definen la centralidad y la cohesión.
2.3.1 ¿Qué es una Red?
La Wikipedia define una red social como el agrupamiento de personas que comparten algo en común. Una red puede ser representada mediante un grafo donde cada individuo o actor corresponde a un nodo (vértice) y la relación entre dos de ellos es expresada con un enlace o arista. En un entorno educativo los nodos representan a los alumnos y profesores mientras que las aristas son las interacciones efectuadas entre ellos, como por ejemplo el envío de mensajes en el caso de un foro.
2.3.2 Teoría de grafos en el análisis de redes
Como podemos ver el SNA está estrechamente relacionado con la teoría de grafos, se necesitan utilizar sus técnicas para estudiar la estructura de una red. Los conceptos más relevantes aplicados en el SNA son:
2.3.2.1 Centralidad
Es una forma de considerar la posición de los nodos, detectar el poder que tienen y la contribución que realizan a la red, los primeros investigadores en la centralidad la reconocen como punto clave de la eficiencia del grupo al resolver problemas. Se obtiene calculando tres medidas: el grado nodal, la intermediación y la cercanía.
dirigido y no dirigido; cuando todas las aristas tienen una dirección, es decir, un inicio y un final marcado con las flechas, se dice que se tiene un grafo dirigido o dígrafo, caso contrario será un grafo no dirigido (Boix, 2002). El grado del nodo es el número de conexiones o adyacencias que tiene un nodo determinado, en el caso de los dígrafos se calcula grado de entrada y grado de salida.
• Intermediación (Betweenness Centraly).- Como su nombre lo indica se operan los nodos que median la comunicación de otros dos nodos separados por el camino más corto (geodésico). Linton Freeman propone fórmulas para calcular la frecuencia con la que aparecen estos nodos en las geodésicas, también demostró que el máximo valor que puede tomar la intermediación de un nodo sólo puede alcanzarlo el punto central de una estrella (White & Borgatti, 1994). Freeman (1978) conjuntamente con otros autores ponen énfasis en el potencial de los intermediarios como coordinadores de los procesos grupales, debido a la capacidad que tienen de separar partes de la red.
• Cercanía (Closeness Centrality).- en esta medida sucede lo contrario que la anterior, los puntos centrales son los nodos que no dependen de nodos intermediarios; cuya independencia está establecida por su cercanía a todos los demás nodos, es decir mide la capacidad de un nodo de acceder al resto de nodos de la red. Se calcula sumando la distancia de un nodo al resto.
2.3.2.2 Cohesión
Se refiere al número y fortaleza de los enlaces entre los nodos de la red. La cohesión es una fuerza de atracción entre los individuos, que puede ser mediada por el número de intercambios entre dos actores, el promedio de las distancias geodésicas, el tamaño de la red, etc (Reffay & Chanier, 2003)
• Densidad.- es el número de aristas expresado como el porcentaje de pares ordenados o no ordenados.
2.4
MINERIA DE DATOS
Es el área que se encarga de descubrir información oculta en grandes cantidades de datos a través de técnicas y el uso de la inteligencia artificial para encontrar patrones y relaciones entre los datos permitiendo la creación de modelos, que es objetivo del presente proyecto, para su desarrollo se tomarán como guía los pasos del proceso de descubrimiento del conocimiento (KDD).
2.4.1 Proceso KDD
El KDD es el Proceso no trivial de identificar patrones válidos, novedosos, potencialmente útiles y, en última instancia, comprensibles a partir de los datos. En (Vallejos, 2006) se hace un estudio de los pasos del proceso de KDD:
• Determinar las fuentes de información • Diseñar un esquema de un almacén de datos • Implantación del almacén de datos
• Selección, limpieza y transformación de los datos que se van a transformar. • Seleccionar y aplicar el método de minería de datos apropiado
• Evaluación, interpretación, transformación y representación de los patrones extraídos.
2.4.2 Minería de datos educacional
Es la aplicación de la minería de datos en el campo de la educación, con la finalidad de comprender el proceso de aprendizaje del estudiante y conocer su participación, a través de técnicas de análisis y modelado de la información.
Desde que se desarrolló el aprendizaje a través de la Web o E-learning, se necesita de la aplicación de técnicas que permitan descubrir comportamientos para evaluar el proceso de aprendizaje y maximizarlo.
• Preprocesamiento. Consiste en la recogida o extracción de los datos, limpieza de datos, discretización, selección de los atributos e integración de datos.
• Minería de datos. Consiste en la selección de los algoritmos de minería de datos a utilizar y la aplicación de dichos algoritmos sobre los datos.
• Postprocesamiento. Consiste en la interpretación, evaluación de los resultados obtenidos y la utilización del conocimiento descubierto.
2.4.3 Técnicas de minería de datos
Las técnicas más utilizadas en la minería de datos aplicada a los sistemas de e-learning son:
2.4.3.1 Clasificación y agrupamiento.
Que consiste en el descubrimiento de reglas de asociación, y análisis de secuencias.
• Reglas de Asociación
Permite descubrir relaciones o asociaciones entre distintas páginas visitadas.
• Análisis de secuencia
PARTE
II
ANÁLISIS
CAPÍTULO 3
ANÁLISIS GENERAL Y
ESTADÍSTICO DEL
USO DE LAS
3.1
ANÁLISIS DE LAS INTERACCIONES EN EL ENTORNO
VIRTUAL DE APRENDIZAJE
El desarrollo de la investigación inicia con una inspección estadística del uso general de las herramientas colaborativas en el entorno virtual, con el fin de tener una proyección de los datos a cuantificar por las diferentes técnicas de análisis. A continuación se muestra una contextualización del problema, describiendo el entorno y las herramientas.
El entorno virtual de aprendizaje es uno de los espacios de información y comunicación que proporciona la UTPL al estudiante, está basado en la plataforma Moodle, este sistema de gestión de aprendizaje (LMS) proporciona algunas herramientas, recursos y actividades que mejoran el proceso de enseñanza – aprendizaje y permite crear ambientes colaborativos para el desarrollo de tareas.
[image:39.595.106.531.359.597.2]
La figura 2 engloba todo el proceso colaborativo de trabajo que se puede desarrollar en un curso de la UTPL, siendo el foro el espacio principal para el desarrollo de una tarea, aquí el grupo discute las ideas, propuestas, inquietudes y a través de un debate obtienen conocimiento teórico y práctico, mientras solucionan el ejercicio propuesto; el profesor puede también proporcionar recursos como problemas resueltos que les orientarán en la construcción de conocimiento; otra de las estrategias usadas aquí para incentivar la
Figura 2. Ambiente colaborativo en EVA
?
Foro
Twitter Chat
Participa Tarea
Solución
Ejercicio
Recomendador
Recursos
Mensajería
colaboración son los recomendadores, consisten en anuncios y sugerencias que mejoran la participación.
Se proporciona herramientas como twitter y chat para conversaciones con el profesor y los demás compañeros del curso, en donde se genera un dialogo más informal y directo para tratar inquietudes e inconvenientes.
Los pasos que realiza el estudiante en el proceso son:
- Leer anuncio
- Utilizar los recursos
- Revisión del capítulo de la guía - Revisión de ejemplos
- Realizar preguntas al profesor o a los compañeros por twitter o mensajería. - Participar en Chat el día señalado
3.1.1 Descripción de las herramientas
En la resolución de las actividades grupales los estudiantes pueden hacer uso de las herramientas colaborativas que dispone el LMS:
3.1.1.1 Foro.- Los foros son un medio ideal para realizar discusiones sobre el contenido de la tarea y mantener un debate. En el EVA se proporciona algunas formas de discusión:
Tipo de foro
• Debate sencillo: solo existe un único tema y un único hilo de discusión. Es conveniente utilizarlo en debates muy concretos. Por ejemplo, foros asociados a un tema particular del contenido, de forma clara y bien definida. • Foro/Grupo P y R: Se plantea una pregunta y cada uno del grupo va dando
su respuesta.
• Cada persona plantea un tema: cada integrante del curso puede plantear un único tema que inicia un hilo de discusión.
3.1.1.2 Twitter.- Es el microbloging de la UTPL, herramienta implementada recientemente que ha tenido una gran acogida en la comunidad utepelina. Se encuentra disponible en cada una de las asignaturas siendo los alumnos matriculados en el curso (participantes) y los profesores asignados los miembros de la red social, los mensajes serán vistos por ellos.
3.1.1.3 Chat.- Admite la comunicación síncrona con cualquier miembro de la universidad a través del envío de mensajes, únicamente el profesor de la asignatura tiene el permiso de habilitar este recurso, en una fecha y hora concreta para el encuentro.
3.1.1.4 Mensajería permite la lectura directa de todos los mensajes recibidos y
no leídos, éstos vienen identificados por el nombre del remitente y junto a él el número de mensajes que ha enviado, así como el historial de mensajes enviados y recibidos.Si la tarea lo amerita, los alumnos pueden enviar mensajes privados entre los integrantes del grupo o el profesor.
Con el desarrollo de trabajos grupales se pretende que el grupo planifique el trabajo común promoviendo una adaptación entre los miembros del equipo, para que a través del diálogo y la negociación alcancen objetivos comunes y sepan utilizar distintos medios de comunicación para alcanzar los acuerdos.
asíncrono en el que se pu tareas que llevarán un colaboración informal inmediata para resolver pocos minutos a una hora
La colaboración se la ha asíncrona para categori primeros pertenecen a l tiempo real como el cha respuesta en los diálog clasificación encontram estudiantes en cualquier concretar una hora de en
Figura
3.1.2 Análisis gener
La tabla 2 indica el uso q columna de número tota enviados, accesos, salid estudiantes con la herram
Síncrona
Chat
Fuente: Obs Elaboración
pueda implementar un proceso estructurado pa n tiempo prolongado para su desarrollo, mie l se necesita de herramientas que faciliten er tareas en un espacio de tiempo que cubra el
ora.
ha clasificado en dos partes (Figura 3), colab orizar a los medios de comunicación usados a la tecnología que permiten una trasmisión
hat; los de colaboración asíncrona por el cont logos son indefinidos pueden ser días hast amos los foros, mensajería y twitter disp ier momento, mientras que el chat debe habili
encuentro.
ura 3. Clasificación de los medios de colaborac
neral
o que han tenido los medios de colaboración en otal de interacciones se refiere a la cifra gener lidas o cualquier tipo de interacción que hu ramienta de comunicación. En el Gráfico 1 se
Colaboración
Asíncrona
Foro Mensajería
bservación de las herramientas del entorno virt ión: Ruth Hidalgo
para el desarrollo de mientras que para la ten la comunicación el intervalo de entre
laboración síncrona y dos en el EVA, los n de información en ntrario, el tiempo de asta meses, en esta isponibles para los bilitarlo el profesor y
ración
en la Universidad; la neral de los mensajes hubieran tenido los se representaron los
datos de la tabla 2, pudiéndose observar que el twitter es el medio con el nivel de uso superior, ubicando a la mensajería en el segundo lugar con alguna diferencia, el nivel de uso de los foros no es el esperado, finalmente, el chat situándose como la herramienta menos utilizada.
0 10000 20000 30000 40000 50000 60000 70000 80000 90000
Chat Mensajería Twitter Foros
Número total de interacciones
Herramientas Número total de interacciones
Chat 10010
Mensajería 83925
Twitter 64301
[image:43.595.145.500.457.676.2]Foros 18495
Tabla 2. Datos generales
Gráfico 1. Datos generales
Fuente: Base de datos del periodo octubre 2010- febrero 2011 Elaboración: Ruth Hidalgo
En el periodo escogido para el análisis se tenía un total de 30109 usuarios entre profesores y estudiantes; la tabla 3 resume la cantidad de usuarios que han utilizado las herramientas, cuyos datos son representados en el Gráfico 2, el cual indica que la mensajería y el twitter son los medios con la mayor cantidad de usuarios.
0 5000 10000 15000 20000 25000 30000
Chat Mensajería Twitter Foros
Usuarios
Estudiantes
Herramientas Usuarios
Chat 255
Mensajería 13300
Twitter 11880
Foros 5237
Total usuarios 30109
Tabla 3. Usuarios participativos
Gráfico 2. Usuarios participativos
Fuente: Base de datos del periodo octubre 2010- febrero 2011 Elaboración: Ruth Hidalgo
También se hizo un análisis del uso de las herramientas colaborativas, la tabla 4 recopila la cantidad de estudiantes que han usado cierto número de herramientas, por ejemplo 14450 estudiantes y profesores no han usado ninguna, constituyendo el 48% del total de usuarios del EVA del periodo octubre 2010 – febrero 2011; el 25 % de los usuarios han utilizado sólo uno de estos medios de comunicación, ya sea foro, chat, mensajería o twitter; así mismo dos cualesquiera de estas herramientas fueron utilizadas por el 19%, apenas el 8% utilizó tres y 11 usuarios equivalentes al 0,1% manipuló todas las herramientas; estos porcentajes son representados en el gráfico 3.
Número de Herramientas
utilizadas
Usuarios Porcentaje
0 14450 48 %
1 7395 25 %
2 5821 19 %
3 2432 8 %
4 11 0 %
Total 30109 100 %
Tabla 4. Uso de las herramientas
48% 25%
19% 8%
0%
Uso de las herramientas
0 1 2 3 4
Gráfico 3. Porcentajes del uso de las herramientas
Fuente: Base de datos del periodo octubre 2010- febrero 2011 Elaboración: Ruth Hidalgo
CAPÍTULO 4
Uno de los problemas de la educación a distancia desde su aparición, es la forma de establecer la comunicación entre sus participantes; este factor marca enormes diferencias entre la educación a distancia y la presencial. La educación presencial dispone de un entorno cara a cara, en donde el aprendizaje se realiza a través del aporte de los estudiantes conjuntamente con los profesores. Este ambiente colaborativo es un aspecto que en la educación a distancia no es totalmente aplicable. La solución a este problema ha sido la creación de un sinnúmero de herramientas como: el chat, foro, mensajería, e-mail y twitter; las mismas que están integradas en los sistemas de gestión de aprendizaje (LMS), éstas permiten acortar distancias y simular un ambiente más colaborativo. Actualmente se han realizado algunos estudios para evaluar la eficiencia que tienen las herramientas en el mejoramiento de la educación (Willging, 2008), pero no son suficientes ya que no abarcan todos los escenarios educativos.
Estas herramientas colaborativas están dispuestas en los modelos educativos de las universidades, pero son pocas y mal utilizadas en las actividades educativas planificadas, perdiendo así las ventajas de su utilización en el proceso de enseñanza-aprendizaje, además de beneficiarse del análisis para el descubrimiento de patrones, conocimiento que sirve para evaluar y poder tomar decisiones que marcan el proceso de aprendizaje. La presente investigación pretende realizar un análisis de redes de colaboración e indicadores de interacción, para mostrar las características inherentes de la interacción producida en el proceso colaborativo. Para ello se ha tomado como fuente de investigación un escenario de aprendizaje en el periodo académico octubre 2010- febrero 2011 de la UTPL. Se emplea la metodología de Análisis de Redes (SNA, Social Network Analysis) utilizando la herramienta de visualización Gephi para determinar características y componentes importantes en la red de colaboración que reflejen el estado actual del uso de las herramientas como el chat, los foros, la mensajería y el twitter, disponibles en el entorno virtual de aprendizaje (EVA), implementada sobre la plataforma Moodle de la UTPL.
4.1 ANÁLISIS GRÁFICO DE CADA HERRAMIENTA
Las herramientas colaborativas del Entorno Virtual de Aprendizaje generan redes de participantes enlazados por comportamientos, interacciones o características comunes que se las puede descubrir a través del Análisis de Redes Sociales (SNA-Social Network Analysis) siendo ésta una metodología que aplica la teoría de grafos identificando nodos y las relaciones entre ellos denominadas aristas; existen variedad de herramientas que permiten visualizar este análisis, algunas de libre acceso como Gephi, el programa con el que se trabajó en el proyecto.
Este software permite estudiar la complejidad almacenada en los registros de actividad e interacciones en el entorno; se identifican los roles, grupos, usuarios dominantes y activos, así como también estudiantes aislados que no hayan tenido ninguna socialización. Los resultados posibilitan optimizar el uso de las herramientas colaborativas para mejorar el aprendizaje.
Se realizó una exploración de los datos del periodo académico octubre 2010/ febrero 2011, para las consultas se utilizó Navicat6 versión 9.1.9 Premium y se hizo una representación gráfica con el software Gephi7 versión 0.8 alpha.
4.1.1 CHAT
Considerado como un foro instantáneo de comunicación síncrona. Los profesores de la UTPL deben acordar con los estudiantes la fecha de encuentro para habilitar el recurso en la plataforma, el periodo de disponibilidad dependerá del tiempo de duración que se desea para la charla. Por lo general son utilizados para conversaciones informales.
El Gráfico 4 muestra que es el recurso menos aprovechado en la universidad, ya que apenas 255 usuarios correspondientes al 0,85 % han utilizado la herramienta. Esto podría deberse a que a los estudiantes de la modalidad abierta y a distancia les resulta difícil coincidir en un momento determinado para los diálogos.
6Navicat. Es una aplicación gráfica para administrar bases de datos. Disponible en:
http://www.navicat.com/
7Gephi. Programa de código abierto para la visualización y consulta de grafos. Disponible en:
Se filtraron los estudiantes y profesores que han sido parte de un chat incluyendo desde los que sólo han ingresado a ver la charla hasta los que han realizado alguna participación, dando un total de 255 usuarios en toda la universidad.
Color Carrera %
Diplomado en Comercio Exterior 58,44
Maestría en Derecho Administrativo 16,45
Diplomado de Comunicación para el desarrollo 9,52
Ingeniería Civil 6,93
Maestría en Gestión y Desarrollo Social 2,6
Maestría en Auditoría Integral 2,6
CC-EE Lengua y Literatura 0,87
Economía 0,87
Jurisprudencia 0,87
Psicología 0,43
Maestría en Gerencia de Salud para el desarrollo local 0,43
Figura 4. Visualización de las interacciones en el chat
Tabla 5. Definición de los colores de las aristas en el Grafo del Chat
Fuente: Datos del chat procesados por Gephi Elaboración: Ruth Hidalgo
La interacción de los usuarios en el chat se ve reflejada en la Figura 4, los nodos color rojo representan a los profesores mientras que el resto a los estudiantes, los agrupamientos son los diferentes chats que se han creado durante el periodo académico; los nodos centrales equivalen a los individuos que iniciaron la charla, los nodos que tienen grado cero es decir ningún enlace son todos aquellos que únicamente ingresaron al chat pero no participaron y los enlaces (aristas) entre los nodos son los mensajes enviados a la conversación, cuanto más gruesa es la curva mayor número de mensajes se han transmitido. La Tabla 5 indica el significado de los colores de las aristas, un color para cada carrera, predominando el color rojo representativo a la carrera de Diplomado en Comercio Exterior.
Gephi cuenta con funciones estadísticas para obtener datos relevantes en el análisis de grafos, a continuación se muestran las gráficas obtenidas en el análisis del chat.
4.1.1.1. Métricas del grafo
Visión general de la red:
a) Medidas de centralidad
• Grado medio
El Gráfico 5 muestra la d el valor del grado y el de por ejemplo, 123 nodos existe un nodo con un gr 1,812, observándose que a 5.
Las aristas pueden ser d cuando consta de un sólo de salida en los nodos, presenta en la Gráfica reciprocidad entre los no
8 Media del número de vecino
Fue Elab
dio8: 1,812
la distribución del grado de los nodos, el eje de de las ordenadas indica el número de nodos qu
os tienen un grado de cero, es decir ningún grado de 27. El grado medio de la red es decir
ue la mayor cantidad de nodos se encuentran e
r de dos tipos: dirigidas o no dirigidas, las prim ólo sentido de dirección, distinguiéndose grado
s, la distribución de grados considerando este ica 6. Las aristas no dirigidas son bidirecc nodos.
cinos de un nodo
Gráfico 5. Distribución de grado
uente: Datos estadísticos proporcionados por G laboración: Ruth Hidalgo
de las abscisas indica que tienen ese valor, n enlace, en cambio cir el promedio es de n en el intervalo de 0
Gráfico 6.
Fuente: Dat Elaboración
6. Distribución de grado de entrada y de salida
• Grado medio
Los pesos en las aristas s manera de calcular el gr Gráfica 7 revela esta dis 200 obteniéndose un val
Reconociendo que la d recorrido entre ellos9, s puntos de la red.
•••• Diámetro de la r
•••• Intermediación posición favorab geodésicos10 que de ser eliminado nodos son los qu con la que los intermediarios ya geodésica.
9 Definición de wikipedia, http 10Geodésico: Distancia más co
Fuen Elab
dio con pesos: 51,937
s se refieren al número de mensajes enviados en grado medio del grafo es considerando el pes
distribución, la mayor acumulación de los nodo valor de 51, 937 como grado medio.
distancia entre dos nodos es el menor núm , se determina el diámetro como la mayor d
a red: 4
n (Betweenness Centrality) Revela si un rable en la red debido a que interviene muc
ue unen parejas de nodos, considerándolos ine os dividirían o incomunicarían a gran parte que aparecen en el Gráfico 8, en donde se mu los nodos aparecen entre dos pares; 246 ya que tienen un valor de 0, los 9 actores restan
http://es.wikipedia.org/wiki/Teoría_de_grafos ás corta entre dos nodos.
Gráfico 7. Distribución de grado con pesos
uente: Datos estadísticos proporcionados por G laboración: Ruth Hidalgo
s entre los nodos, otra peso de las aristas, la odos es entre el 0 y el
úmero de aristas de r distancia entre dos
•••• Cercanía (Close que puede evitar decir no depende cercanía a todos inversa de la lejan
G
Gr
Fuen Elab
Fuen Elab
oseness Centrality) Un nodo se considera cen tar el potencial de los otros para controlar la
de de intermediarios. Esta dependencia está d os los demás puntos del grafo. Freeman la con
janía.
Gráfico 8. Distribución de nodos intermedios.
Gráfico 9. Distribución del valor de cercanía ente: Datos estadísticos proporcionados por Ge aboración: Ruth Hidalgo
ente: Datos estadísticos proporcionados por Ge aboración: Ruth Hidalgo
central en la medida la comunicación, es á determinada por su nceptualiza como la s.
Gephi
b) Medidas de la Cohesión
•••• La densidad del nodo i: proporción de aristas existentes en relación con las posibles aristas entre el conjunto de vecinos del nodo i.
•••• Componentes conexos: 135
“un componente es el máximo subgrafo conexo, Un componente es el máximo subgrafo
4.1.2
FORO
[image:56.595.121.504.254.627.2]En la Figura 5 se puede apreciar la interacción de los estudiantes y profesores en el uso de las herramientas de foros, que son el medio para realizar debates.
Figura 5. Grafo de las interacciones en los foros
La Figura 6 representa el desarrollo de los foros en el curso de Arquitectura de Computadores que está conformado de 28 participantes, el nodo central simboliza al docente, el resto de nodos a los estudiantes, los mismos que estuvieron agrupados para resolver una tarea, en el grafo se visualiza la existencia de seis grupos.
Los colores de las curvas (aristas) señalan el foro de participación, dando un total de 4 foros creados en el curso, predominando el foro uno de color violeta.
Los valores de la tabla 6 permiten obtener una visión general de la red, el grado medio de 6,214 indica que todos los nodos tienen muchos vecinos, y el conjunto forman una estrella donde fácilmente se puede determinar que el nodo ubicado en el centro se lleva el mayor valor de centralidad.
[image:57.595.160.464.97.381.2]Medidas Valor
Grado medio 6,214
Grado medio con pesos 13,214 Diámetro de la red 4 Densidad del grafo 0,115 Componentes conexos 1
Tabla 6. Valores estadísticos del grafo
