Proyecto AppMOOC
El proyecto AppMOOC (Apoyo a la corrección semi-automática de actividades online en cursos masivos (MOOCs)) tiene como misión el diseño y la implementación de un software de apoyo a la corrección semi-automática de actividades en cursos masivos (>200 alumnos por curso). De esta manera, el profesor podrá recibir una pre-evaluación de cada alumno, agrupadas por perfiles y resultados, lo que beneficiará el proceso de corrección (en tiempo y profundidad), de aprendizaje, y permitirá una mayor y más adecuada retroalimentación al alumno.
El objetivo es que este sistema pueda trabajar de manera transparente y coordinada con el sistema de gestión de contenidos usado por la institución académica. El seguimiento académico se realizará combinando actividades de evaluación continua como, por ejemplo, foros, sesiones presenciales, wikis, etc., y actividades formales de evaluación sumativa, como exámenes y defensas orales de trabajos.
De esta manera, el profesor/tutor podrá realizar un seguimiento personalizado del alumno, y obtendrá un informe detallado de la actividad del mismo, incluyendo una identificación de su patrón de comportamiento (actividad social) y rendimiento (actividad académica), que permitirá pre-evaluar su itinerario.
AppMOOC no sustituye el proceso de corrección, pero facilita al profesor la pre-categorización de los resultados de los alumnos. De esta manera, se agiliza dicho proceso, lo que genera dos posibles beneficios, no excluyentes:
- El proceso se acorta, lo que permitirá al profesor centrarse en una atención más individualizada al alumno, porque dispondrá de más tiempo de tutorías para ello; y/o
- El proceso se parametriza, lo que permitirá al profesor asumir más alumnos, y supondría que los cursos masivos (MOOC) dispongan de un mecanismo efectivo de interacción con un profesor real; este enfoque que permite una interactividad con un experto, y no únicamente con un conjunto de tests automatizados, sin intervención humana, como ocurre habitualmente.
Innovaciones y Ventajas del proyecto
El primer elemento innovador es el marco conceptual para corrección semi-automática de actividades en cursos masivos, en sí mismo. Los algoritmos y procesos de recomendación se basan típicamente en dos fundamentos: la colaboración entre los usuarios (collaborative filter) y el contenido disponible de la plataforma (content-based). Atendiendo a la literatura, ambos enfoques han demostrado no ser del todo eficientes, y mucho menos a la hora de generar recomendaciones en el ámbito del eLearning. Existen otros enfoques más complejos que intentan suplir las carencias de los recién mencionados pero que no han pasado por la necesaria validación en entornos eLearning de producción. AppMOOC, como marco conceptual, descansa sobre la supervisión, en principio sólo inicial, de un experto (profesor, tutor o miembro de la comunidad docente) que es el encargado de ponderar y balancear la contribución de las distintas categorías de datos recogidos en base a los objetivos del curso, grupo o ámbito de estudio. Así mismo, el marco conceptual tampoco padece el obstáculo del llamado cold-start propio de los sistemas recomendadores basados en filtros colaborativos, sino que desde el inicio AppMOOC ya está capacitado para operar. Estas características conforman un patrón orientado a sugerencias educativas indiscutiblemente práctico e integrado de manera consistente con cada ambiente docente en particular.
El segundo punto de innovación consiste en la implementación técnica en sí misma: AppMOOC. Como software y sistema informático, AppMOOC se comporta como middleware entre un gestor de aprendizaje (LMS) y el usuario (profesor, tutor, alumno), de manera que es capaz de generar recomendaciones independientemente del sistema eLearning utilizado. Para ello es necesario hacer uso del estándar LTI y programar unas sencillas APIs de conexión que permitirán hacer realidad la integración con los principales LMS (i.e. Sakai, Moodle, Blackboard, etc.). Por otro lado, el interfaz de configuración se ha pensado desde el principio para presentar una disposición muy intuitiva, limpia y lista para usar por parte del experto. Se ha hecho especial énfasis en el uso de tecnologías abiertas y multiplataforma, como HTML5. Este enfoque permitirá la utilización de AppMOOC en tabletas, smartphones y otros dispositivos interactivos.
El tercer aspecto innovador lo representa la contribución a la comunidad educativa. En especial, para el docente (o institución docente) supone un ejercicio de reflexión sobre qué actividades va a evaluar, que peso específico va a dar a la evolución del aprendizaje de alumno, a las tareas grupales que impliquen interacción y la evaluación objetiva. Igualmente, deberá programar con antelación qué contribución global tendrá el aprendizaje informal en el curso.
Una ventaja todavía más interesante para el profesor (o la institución), es la posibilidad de automatización de las sugerencias a ofrecer a la comunidad de alumnos. Estas comunidades y, más en el caso de instituciones de educación a distancia, pueden llegar a contar con miles de alumnos dispersos por todo el mundo, operando y trabajando en zonas horarias muy dispares. En estos escenarios AppMOOC puede resultar un apoyo muy valioso para guiar al alumno por el camino educativo óptimo. Es, por tanto, el alumno, el último beneficiado por el nivel de apoyo y la tutorización personalizada recibida.
Fuentes de financiación
Convocatoria ADER 2014, actuación 1 “Realización de proyectos de investigación y desarrollo”
Objetivos del proyecto
- Diseño y desarrollo en un entorno real de un sistema de apoyo a la corrección semi-automática de actividades en cursos masivos (MOOCs)
- Implementación del sistema en un entorno real de estudiantes y profesores (un MOOC generado o adaptado exprofeso para este proyecto)
- Evaluación pormenorizada de la ejecución del sistema y de su impacto en la comunidad del curso masivo (MOOC), entre profesores, tutores, alumnos, dirección académica y personal de administración, mediante la utilización de un conjunto de herramientas de medición cualitativa (e.g. entrevistas semi-estructuradas) y cuantitativas (e.g. auto-test, tracking de variables de usuario)
Tipo de financiación: Pública regional