Rendimiento estudiantil en tiempo de pandemia: percepciones sobre aspectos con mayor impacto
DOI:
https://doi.org/10.24215/18509959.28.e45Palabras clave:
rendimiento estudiantil, pandemia, ciencia de datos, análisis de sentimientos, analíticas de aprendizajeResumen
En este artículo se analizan los resultados de una encuesta realizada a estudiantes de grado respecto de su tránsito por el primer semestre en contexto de emergencia sanitaria en la Universidad de la República en Uruguay. Se observa que los estudiantes asocian su rendimiento en primer lugar a aspectos vinculados a su participación y dificultades para llevar a cabo esa participación. Respecto de los aspectos del diseño de los procesos de enseñanza por parte de los equipos docentes, se destacan el tiempo disponible para realizar las evaluaciones, la diversidad de actividades propuestas, los espacios de interacción docente-alumnado, la explicitación de objetivos y la coherencia de la planificación. Se observa, asimismo, la necesidad de interacción con los equipos docentes, presentando insatisfacción cuando esa interacción no es fluida, no hay respuesta a los mensajes o retroalimentación a las tareas.
Descargas
Citas
J. Quiroz and D. Maturana, “Una propuesta de modelo para introducir metodologías activas en educación superior,” Innov. educ. vol. 17, no.73, 2017.
C. Coll, T. Mauri and J. Onrubia, “Los entornos virtuales de aprendizaje basados en el análisis de casos y la resolución de problemas,” in Psicología de la Educación Virtual. C. Coll and C. Monereo, Eds., Madrid: Morata, 2008, pp. 213-232.
E. Lovos, L. Aballay, “Deserción Académica y Emociones en Ambientes E-learning,” Revista Iberoamericana de Tecnología en Educación y Educación en Tecnología, no. 27, pp. 89-94, 2020, doi: 10.24215/18509959.27.e10
M. Castro, “El impacto de propuestas educativas mediadas por TIC en la retención estudiantil. Un estudio de caso de los estudiantes de Ingeniería de la Universidad Nacional del Noroeste de la Provincia de Buenos Aires,” Revista Iberoamericana de Tecnología en Educación y Educación en Tecnología, no. 26, pp. 112-113, 2020, doi: 10.24215/18509959.26.e13
G. Assinnato, C. Sanz, G. Gorga and V. Martin, “Actitudes y percepciones de docentes y estudiantes en relación a las TIC. Revisión de la literatura,” Revista Iberoamericana de Tecnología en Educación y Educación en Tecnología, no. 22, pp. 7-17, 2018, doi: 10.24215/18509959.22.e01
E. Arellano Becerri, M. G. Gómez Zermeño, I. A. García Mejía, “Implementación y evaluación de un curso de Matemáticas en modalidad b-learning: percepciones de alumnos universitario,” Revista Iberoamericana De Tecnología En Educación Y Educación En Tecnología, no. 14, pp. 29-36, 2014, doi: https://doi.org/10.24215/18509959.0.p.29-36
P. Kirschner, Learning Analytics: Utopia or Dystopia. Keynote, LAK, 2016.
A. Pardo, “Effective adoption of Learning Analytics in Educational Institutions,” Learning Analytics Summer Institute Spain 2020 (LASI Spain 20). [Online]. Available: https://eu.bbcollab.com/collab/ui/session/playback (desde minuto 17)
C. Gutierrez, “LEARN Final Conference,” University of London, 2017.
G. Chen, V. Rolim, R. F. Mello and D. Gaševic, “Let's shine together! a comparative study between Learning Analytics and Educational Data Mining,” in LAK20 Conference Proceedings. M. Scheffel, V. Kovanović, N. Pinkwart and K. Verbert, Eds., Association for Computing Machinery (ACM), 2020, pp. 544-553.
G. Siemens, [Data Analytics and Learning MOOC]. Introduction to Learning Analytics [Archivo de video]. Solar, 2014. [Online]. Available: https://youtu.be/idHxNSTZhNM
G. Siemens, Making sense of Learning Analytics as a field [Archivo de video]. LAK 2013. [Online]. Available: https://www.youtube.com/watch?v=KqETXdq68vY&t=867s
A. Kleftodimos, G. Evangelidis, “An overview of web mining in education,” in Proceedings of the 17th Panhellenic Conference on Informatics, 2013, pp. 106-113.
Ch. Liu, NLP Handbook, University of Illinois, Chicago, 2010.
D. Vilares, M. A. Alonso, C. Gómez‐Rodríguez, “On the usefulness of lexical and syntactic processing in polarity classification of Twitter messages,” Journal of the Association for Information Science and Technology, vol. 66, no. 9, pp. 1799-1816, 2015.
C. Romero, S. Ventura, “Educational data mining: a review of the state of the art.,” IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), vol. 40, no. 6, pp. 601-618, 2010.
C. H. Lee, G. G. Lee and Y. Leu, “Application of automatically constructed concept map of learning to conceptual diagnosis of e-learning,” Expert Systems with applications, vol. 36, no. no. 2, pp. 1675-1684, 2009.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Silvana Temesio, Sofía García, Alén Pérez
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Derechos de autor y licencias
Los artículos aceptados para publicación tendrán la licencia de Creative Commons BY-NC. Los autores deben firmar un acuerdo de distribución no exclusiva después de la aceptación del artículo.
