Learning analytics: estudio de algoritmos para el análisis de bases de datos educacionales

Álvaro Martínez Navarro, de la Universidad Mariana, en Pasto (Colombia) y Pablo Moreno-Ger, director de la Cátedra IBM-UNIR, han publicado un artículo de divulgación acerca de los resultados obtenidos en la investigación sobre técnicas de análisis aplicadas en bases de datos educacionales. El artículo, publicado en 2018 en la revista IJIMAI (International Journal of Interactive Multimedia and Artificial Intelligence), se enmarca en el campo de las analíticas de aprendizaje o Learning Analytics, área clave de la Cátedra.

IBM-Articulo-IJIMAI

Los algoritmos examinados a lo largo de la investigación constituyen técnicas de análisis y herramientas para estudiar bases de datos generadas en el campo de la educación. La investigación comenzó con la identificación de los algoritmos de agrupación de datos más relevantes para posteriormente estudiarlos en detalle. Tras su identificación, y con el objetivo de determinar el de mejor rendimiento, se llevó a cabo un análisis de los mismos en base a validaciones internas y medidas de estabilidad. Los resultados establecieron que los algoritmos K-means y PAM fueron los que mejor rendimiento mostraron entre los algoritmos de partición, y DIANA fue el seleccionado entre los algoritmos jerárquicos.

La investigación pretende contribuir de este modo a reforzar la base teórica de estudios futuros. Enfocándose en un aspecto práctico, se realiza una validación experimental del rendimiento de diferentes técnicas de agrupación al aplicarse sobre bases de datos educativos. La base de datos utilizada ha sido un dataset real de estudiantes de Ingeniería Informática de la Universidad Mariana de Pasto, durante los cursos 2010-2016.