Patrones de comportamiento en el uso de las aulas virtuales de la Universidad Nacional del Altiplano área de ingenierías utilizando técnicas de minería de datos

Abstract

La incorporación de las tecnologías de la información y comunicación, ha permitido diseñar los escenarios donde se producen los procesos de enseñanza-aprendizaje, provocando que sea cada vez más corta la barrera entre educación presencial, semipresencial y virtual; bajo esta introducción el objetivo general fue determinar los patrones de comportamiento en el uso de las aulas virtuales de la Universidad Nacional del Altiplano, considerando para ello como objetivos específicos analizar el uso de la plataforma virtual de los estudiantes de ingenierías, establecer asociaciones de las variables e identificar patrones desconocidos en la plataforma virtual. Los datos fueron obtenidos de la base de datos de la Oficina de Tecnología e Información de la Universidad Nacional del Altiplano, que consta en el uso de la plataforma Moodle utilizada por los estudiantes del área de Ingenierías del año 2017, II semestre. La metodología usada fue KDD, los datos fueron procesados con el software WEKA, concluyendo que de las 16 escuelas de ingenierías presentan mayor actividad: Ingeniería de Minas, Ingeniería Mecánica Eléctrica, Ingeniería de Sistemas e Ingeniería Económica, también sobresalen el uso de los siguientes módulos: course (curso), assign (asignar), resource (recurso), quiz (examen) y fórum (foros), y las horas de mayor uso son: 18, 19 y 20 horas. Con el proceso de clasificación J48 asociamos a las escuelas más relevantes con las variables módulos y horas. Para encontrar patrones desconocidos que nos oriente sobre el comportamiento de datos empezamos a trabajar con Minería de Datos y aplicando la técnica de asociación A PRIORI, encontramos que en el módulo VISTA en las escuelas de Ing. de Minas e Ing. Topográfica y Agrimensura, presentan un comportamiento, con una confiabilidad del 97%. Otro patrón desconocido se presenta en las escuelas de Ingeniería de Minas, Agroindustrial, Económica, Electrónica y Arquitectura y Urbanismo, quienes presentan comportamientos similares en términos de horas de uso, tiempo, uso de recursos y actividades con un nivel de confiabilidad del 98%. Para tener una mayor precisión con la asociación de los datos se trabajó con el algoritmo K-means donde afirmamos en el cluster 0 que la escuela de Ingeniería de Minas tiene más actividad con el módulo Course y View a las 18 horas, y en el cluster 1 con un 23% de la data, se determinó que la escuela de Ing. Económica registra mayor actividad en asignación de tareas visitadas a las 22 horas.