PREGUNTA 1: PLANIFICACIÓN DE DATOS

Escrito por AlexUned 12-05-2018 en planificacion. Comentarios (0)

La primera actividad de este módulo consiste en realizar un plan de análisis predictivo para dar respuesta a la baja tasa de finalización de los estudiantes en nuestro curso online, mediante la utilización y el análisis de datos. Para ello haremos uso  del modelo de análisis predictivo propuesto por Ekowo & Palmer (2017). Concretamente en el primer paso de este modelo que es “tener una visión y un plan.” (Have a vision and a plan.)

Para ello, lo primero que voy a hacer es plantear un curso o prueba piloto a través de nuestra empresa "ANALITICACURSOSONLINE", para analizar cómo utilizar los datos generados en el contexto del curso y la información del estudiante para abordar el abandono y las bajas tasas de finalización.

En este caso, lo primero que debemos hacer es marcarnos una serie de objetivos que queremos conseguir, así como sus correspondientes indicadores de logro (Key Performance Indicator o KPI) que estarían contextualizados dentro de un plan de análisis predictivo de un curso virtual (Ekowo & Palmer). Los objetivos nos marcarán las  metas que se desean alcanzar, y los indicadores, la forma de medir los resultados.

Este  análisis predictivos de los datos nos permitirá tratar futuras necesidades educativas, baja motivación y participación,  abandonos, así como mejorar nuestro curso adaptándonos a nuestros estudiantes. Para ello los objetivos e indicadores que nos hemos marcado son los siguientes:

  • Reducir el abandono durante el curso.
    • KPI 1: Identificar las causas de abandono.
    • KPI 2:Detectar el momento temporal de abandono
    • KPI 3: Conocer tasas de acceso y participación de cada alumno en el curso.
  • Localizar al alumnado con posibilidades de abandono.
    • KPI 1: Nº de participaciones que realiza en foros y chats.
    • KPI 2: Nº de actividades realizadas.
    • KPI 3: Nº de conexiones al curso.
  • Conocer los posibles problemas que desemboquen en abandono:
    • KPI 1: Problemas personales del alumnado.
    • KPI 2: Problemas internos del curso.
    • KPI 3: Tiempo del que dispone el alumnado.
    • KPI 4: Motivación del alumnado.
  • Conocer el grado de satisfacción con el curso:
    • KPI 1: Acceso a las actividades y recursos.
    • KPI 2: Participación general en el curso.
    • KPI 3: Resultados y notas finales.
  • Averiguar si la metodología del curso es la adecuada.
    • KPI 1: Nº de alumnos que participa en las actividades.
    • KPI 2: Nivel de motivación del alumnado.
    • KPI 2: Nº de alumnos que utiliza los foros.
    • KPI 4: Nivel de participación general del curso.
    • KPI 5: Identificar las actividades a mejorar.

Con todo ello, lo que pretendemos es reducir el abandono y la baja participación en nuestro curso e ir mejorándolo para adaptarlo a nuestros estudiantes.

BIBLIOGRAFÍA

- Domínguez Figaredo, D. (2018). Big data , analítica del aprendizaje y educación basada en datos. Recuperado de  https://papers.ssrn.com/abstract=3124369 

- Ekowo, M. y Palmer, I. (2016). The promise and peril of predective analytics in higher education: A Landscape Analysis.New America. Recuperado de

https://na-production.s3.amazonaws.com/documents/Promise-and-Peril_4.pdf