Analítica del aprendizaje y educación basada en datosun campo en expansión

  1. Daniel Domínguez Figaredo 1
  2. Justin Reich 2
  3. José A. Ruipérez-Valiente 3
  1. 1 Universidad Nacional de Educación a Distancia, UNED (España)
  2. 2 Massachusetts Institute of Technology, MIT (Estados Unidos)
  3. 3 Universidad de Murcia, UMU (España)
Mostrar afiliaciones +
Revista:
RIED: revista iberoamericana de educación a distancia

ISSN: 1138-2783

Año de publicación: 2020

Título del ejemplar: Analítica del aprendizaje y educación basada en datos: Un campo en expansión

Volumen: 23

Número: 2

Páginas: 33-43

Tipo: Artículo

DOI: 10.5944/RIED.23.2.27105 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: RIED: revista iberoamericana de educación a distancia

Resumen

La creciente utilización de sistemas de mediación digital en la mayoría de espacios educativos —ya sean presenciales o no, formales o abiertos, y tanto en el nivel de educación básica como en situaciones de aprendizaje a lo largo de la vida— está acelerando el avance de la analítica del aprendizaje y haciendo que el uso de la información digital sea una práctica común en el campo de la educación. Las herramientas educativas digitales facilitan la interacción entre estudiantes, profesores y recursos de aprendizaje, y generan de manera continua un notable volumen de datos que pueden analizarse aplicando una variedad de metodologías. Esto ha hecho que aumenten exponencialmente las investigaciones que toman como referencia la información que procede de la actividad de los estudiantes en esos espacios digitales. Partiendo de esas evidencias, este número especial muestra un conjunto de estudios en el campo del aprendizaje digital y la investigación educativa basada en datos, que enriquecen el conocimiento sobre los procesos de aprendizaje y la gestión de la enseñanza en espacios mediados digitalmente.

Referencias bibliográficas

  • Baker, R. S. (2019). Challenges for the future of educational data mining: The Baker learning analytics prizes. JEDM, Journal of Educational Data Mining, 11(1), 1–17. https://doi.org/10.5281/zenodo.3554745
  • Barocas, S., & Boyd, D. (2017). Engaging the ethics of data science in practice. Communications of the ACM, 60(11), 23–25. https://doi.org/10.1145/3144172
  • Buckingham Shum, S., Ferguson, R., & Martinez-Maldonado, R. (2019). Human-Centred Learning Analytics. Journal of Learning Analytics, 6(2), 1–9. https://doi.org/10.18608/jla.2019.62.1
  • Dollinger, M., & Lodge, J. M. (2018, March). Co-creation strategies for learning analytics. In Proceedings of the 8th International Conference on Learning Analytics and Knowledge (pp. 97–101). https://doi.org/10.1145/3170358.3170372
  • Gursoy, M. E., Inan, A., Nergiz, M. E., & Saygin, Y. (2016). Privacy-preserving learning analytics: challenges and techniques. IEEE Transactions on Learning technologies, 10(1), 68–81. https://doi.org/10.1109/TLT.2016.2607747
  • Holstein, K., & Doroudi, S. (2019). Fairness and equity in learning analytics systems (FairLAK). In Companion Proceedings of the Ninth International Learning Analytics & Knowledge Conference (LAK 2019).
  • Hartong, S., & Förschler, A. (2019). Opening the black box of data-based school monitoring: Data infrastructures, flows and practices in state education agencies. Big Data & Society. https://doi.org/10.1177/2053951719853311
  • Leitner, P., Ebner, M., & Ebner, M. (2019). Learning Analytics Challenges to Overcome in Higher Education Institutions. In Utilizing Learning Analytics to Support Study Success (pp. 91–104). Springer, Cham.
  • Mandinach, E. B., & Gummer, E. S. (2016). Data literacy for educators: Making it count in teacher preparation and practice. Teachers College Press.
  • Shibani, A., Knight, S., & Buckingham Shum, S. (2020). Educator perspectives on learning analytics in classroom practice. The Internet and Higher Education, 46(2020). https://doi.org/10.1016/j.iheduc.2020.100730
  • Tsai, Y. S., & Gasevic, D. (2017, March). Learning analytics in higher education---challenges and policies: a review of eight learning analytics policies. In Proceedings of the seventh international learning analytics & knowledge conference (pp. 233–242).
  • Wagenmakers, E. J., Wetzels, R., Borsboom, D., van der Maas, H. L., & Kievit, R. A. (2012). An agenda for purely confirmatory research. Perspectives on Psychological Science, 7(6), 632–638. https://doi.org/10.1177%2F1745691612463078
  • Wilson, A., Watson, C., Thompson, T. L., Drew, V., & Doyle, S. (2017). Learning analytics: Challenges and limitations. Teaching in Higher Education, 22(8), 991–1007. https://doi.org/10.1080/13562517.2017.1332026
Fuente de los datos: Dialnet