Analíticas de aprendizaje en el análisis de datos de alumnos ingresantes a carreras de Ingeniería de la UNLP

Abstract

En la Facultad de Ingeniería de la UNLP se dictan trece carreras y la primer materia del plan de estudios es “Matemática para Ingeniería”. Una modalidad de dictado es la denominada “anticipada” para alumnos que estén finalizando el colegio secundario y si residen a más de 50km de La Plata la realizan a distancia con la plataforma Moodle. El objetivo de este trabajo es describir el inicio de una tesis de Maestría con fin ser compartida y puesta en discusión con pares que trabajan en la misma temática. Se describe la preparación y análisis de los registros de tres cohortes de alumnos que realizaron esta modalidad con el fin de estudiar las características y patrones que permitan inferir un modelo predictivo del rendimiento académico utilizando técnicas de minería de datos y con analíticas de aprendizaje interpretar el significado de los datos. Se seleccionarán las variables de mayor impacto y según el análisis y la observación de patrones en relación con los resultados finales de los alumnos, se confeccionará un modelo predictivo que pueda inferir de manera temprana indicadores de posibles deserciones y generar estrategias de contención que contribuyan a un mejor aprovechamiento de la materia en esta modalidad.

Thirteen careers are taught at the UNLP School of Engineering and the first subject of the curriculum is “Mathematics for Engineering”. One type of dictation is the so-called “anticipated” for students who are finishing high school and if they reside more than 50km from La Plata, they do it remotely with the Moodle platform. The objective of this work is to describe the beginning of a Master’s thesis in order to be shared and put into discussion with peers working on the same subject. It describes the preparation and analysis of the records of three cohorts of students who performed this modality in order to study the characteristics and patterns that allow to infer a predictive model of academic performance using data mining techniques and with learning analytics interpret the meaning of the data. The variables with the greatest impact will be selected and according to the analysis and observation of patterns in relation to the final results of the students, a predictive model will be prepared that can infer early indicators of possible dropouts and generate containment strategies that contribute to a better use of matter in this modality.