Predicción del riesgo de abandono en entornos de aprendizaje en línea

Fecha

26-03-2021

Conferenciante

Paola Velardi

Resumen

Los entornos de aprendizaje en línea han experimentado un aumento continuo durante la última década y un aumento repentino en el último año, debido a la pandemia provocada por el coronavirus. El uso generalizado de entornos de aprendizaje en línea  se ha traducido en un número creciente de inscripciones, incluso de estudiantes que habían abandonado anteriormente los sistemas educativos, pero también trajo consigo una tasa de deserción mucho más alta que en las aulas tradicionales. Este es un problema crucial ya que los cursos en línea se han expandido rápidamente: de los MOOC individuales a programas de estudio completos, también debido a la pandemia. La detección temprana de estudiantes en dificultades es un problema desafiante que puede mitigarse con el apoyo de métodos de vanguardia para análisis de datos y aprendizaje automático. En esta charla, presentamos una estrategia novedosa que explota tanto la información espacial oculta como los datos relacionados con el tiempo de las trayectorias de los estudiantes y se ocupa de los datos desequilibrados y los problemas de escasez de series de tiempo para resolver el problema de la predicción de abandono de los estudiantes. El enfoque propuesto supera a los métodos de vanguardia, particularmente en el caso complejo de los planes de estudio de larga duración (como los títulos en línea), un escenario que se pensaba que era menos común antes de la pandemia, pero que ahora es particularmente relevante.

Transparencias

Vídeo

Biografía del autor

Paola Velardi

Paola Velardi es profesora titular de informática en la Universidad Sapienza de Roma, Italia. Su investigación abarca el procesamiento del lenguaje natural, el aprendizaje automático, la inteligencia empresarial y la web semántica, en particular la extracción de información web. Velardi es una de las cien científicas incluidas en la base de datos "100esperte.it" (traducido del italiano como "100 expertas"). Esta base de datos abierta en línea promueve el reconocimiento de las científicas mejor calificadas en el área de Ciencia, Tecnología, Ingeniería y Matemáticas (STEM).

Share this post

Submit to Google PlusSubmit to TwitterSubmit to LinkedIn