Tipologies d'estudiants de Fisioteràpia segons l'ús que fan del campus virtual

Autors/ores

  • Mª Pilar Álvarez Vázquez Universidad Complutense de Madrid
  • Ana Álvarez-Méndez Universidad Complutense de Madrid
  • Carmen Bravo-Llatas Universidad Complutense de Madrid
  • Jesús Cristóbal Barrios Universidad Complutense de Madrid
  • Mª Teresa Angulo Carrere Universidad Complutense de Madrid

DOI:

https://doi.org/10.1344/RIDU2020.12.8

Paraules clau:

Educació superior, Analítica de l'aprenentatge, Plataforma Moodle, Fisioteràpia, Rendiment acadèmic, Tipologies d'estudiants de grau

Resum

Presentem en aquest article els resultats obtinguts un cop processats els registres de l'espai virtual creat a la plataforma Moodle per a l'assignatura “Anatomía Humana III”, del grau en Fisioteràpia. L'anàlisi es dugué a terme utilitzant el software lliure per a la computació estadística i gràfics RStudio, un entorn de desenvolupament integrat per al llenguatge de programació R. Un total de 19.611 registres corresponents a l'activitat realitzada al llarg del curs acadèmic 2017/18 van ser depurats, fets anònims i posteriorment analitzats. Les variables quantitatives escollides varen ser el nombre total de visites per dia al curso virtual, la mitjana de la freqüència de visites a l'assignatura virtual per dia de la setmana i hora del dia i per mesos, el nombre d'accessos a recursos, autoavaluacions i a URLs. A més, es va realitzar l'anàlisi estadística de les dades amb el software IBM SPSS v.25, comparant l'ús del campus virtual amb el rendiment acadèmic. Es varen fer proves de correlació de Spearman no paramètriques i arbres de decisió amb dos criteris de tall. Els resultats obtinguts  van mostrar que el rendiment acadèmic dels estudiants d'aquesta assignatura està influenciat per l'ús que fan del campus virtual. D'aquesta manera, s'ha vist que els alumnes amb qualificació inferior a cinc punts sobre deu, van presentar menor activitat en la plataforma Moodle, en totes les variables analitzades. Per contra, els estudiants amb qualificacions entre vuit i deu punts sobre deu, van mostrar una activitat significativament major al campus virtual, especialment en el nombre de visites i recursos utilitzats.

Referències

Álvarez, M.P., Álvarez-Méndez, A., Angulo, M.T., Cristóbal, J., Bravo-Llatas, M.C. (2020) Learning analytics in human histology reveals different student clusters and different academic performance. Proceedings of INTED 2020, 14th International Technology, Education and Development Conference, en prensa.

Angulo, M.T., Álvarez-Méndez, A. (2007) CD-ROM interactivo para valoración biomecánica de la extremidad inferior. III Jornada Campus Virtual UCM: Innovación en el Campus Virtual: metodologías y herramientas. Editorial Complutense, Madrid, pp. 299-300.

Brown, M. (2011) Learning Analytics: the coming third wave. EDUCAUSE Learning Initiative. https://library.educause.edu/-/media/files/library/2011/4/elib1101-pdf.pdf

Cerezo, R., Sánchez-Santillán, M., Puerto, M., Núñez, J.C. (2016) Students’ LMS intereaction patterns and their relationship with achievement: A case study in higher education. Computers & Education, 96, pp. 42-54.

Chaparro, J., Iglesias, S., Pascual, F. (2010) Uso del registro de actividad de Moodle para un estudio del rendimiento académico de alumnos en entornos en línea y presencial. 4th International Conference on Industrial Engineering and Industrial Management XIV Congreso de Ingeniería de Organización, pp. 753-760. Donostia-San Sebastián.

Domínguez, D., Álvarez, J., Gil-Jaurena, I. (2016) Analítica del aprendizaje y Big Data: heurísticas y marcos interpretativos. DILEMATA, International Journal of Applied Ethics, 22, pp. 87-103.

Jenaro, C., Castaño, R., Martín, M.E., Flores, N. (2018) Rendimiento académico en educación superior y su asociación con la participación activa en la plataforma Moodle. Estudios Sobre Educación, 34, pp. 177-198.

Kotsiantis, S., Telios, N., Filippidi, A., Komis, V. (2013) Using learning analytics to identify successful learners in a blended learning course. International Journal of Technology Enhanced Learning, 5(2), pp. 133-150.

Konstantinidis, A., Grafton, C. (2013) Using Excel Macros to Analyse Moodle Logs. Conference Proceedings. 2nd Moodle Research Conference, pp. 33-39. Sousse, Tunisia.

Lee, J.E., Recker, M.M., Choi, H., Hong, W.J., Kim, N.J., Lee, K., Lefler, M., Louviere, J., Walker, A. (2016) Applying Data Mining Methods to Understand User Interactions within Learning Management Systems: Approaches and Lessons Learned. Journal of Educational Technology Development & Exchange, 8(2), pp. 99-116.

Macfadyen, L.P., Dawson, S. (2010) Mining LMS data to develop an “earlywarning system” for educators: A proof of concept. Computers & Education, 54(2), pp. 588-599.

Mwalumbwe, I., Mtebe, J. (2017) Using Learning Analytics to predictt students performance in Moodle Learning Management System: A case of Meya University of Science and Technology. The Electronic Journal of Information Systems in Developing Countries (EJISDC), 79(1), pp. 1-13.

Rossetti, S.R., Verdugo, M.L., Bayliss, D. (2017) Learning Analitics para determinar la realción entre uso de un Learning Management System y rendimiento académico. XXII Congreso Internacional de Contaduría, Administración e Informática. Ciudad de Méjico.

Shahiri, A.M., Husain, W., Rashid, N.A. (2015) The Third Information Systems International Conference. Procedia Computer Science, 72, pp. 414-422.

Sin, K., Muthu, L. (2015) Application of Big Data in education data mining and Learning Analitics. A literature review. Ictact Journal on Soft Computing: Special Issue on Soft Computing Model and Big Data Models for Big Data, 5(4), pp. 1035-1049.

Torres-Porras, J., Alcántara, J., Rubio, S. (2018) Virtual platforms use: a useful monitoring tool. EDMETIC. Revista de Educación Mediática y TIC, 7(1), pp. 242-255.

UCM (2019) Guía docente de la asignatura Anatomía Humana III, Grado en Fisioterapia. Recuperado de: https://enfermeria.ucm.es/data/cont/media/www/pag-128986/Anatom%C3%ADa%20Humana%20III.pdf

Yu, T., Jo, I.H. (2014) Educational technology approach toward learning analytics: relationship between student online behavior and learning performance in higher education. Proceedings of the Fourth International Conference on Learning Analytics And Knowledge, pp. 216-271.

Descàrregues

Publicades

2020-01-30

Número

Secció

Articles