IJETEL Volumen 1 Número 1

Declaración de derechos de autor: esta es una publicación de acceso abierto con licencia Creative Commons Attribution 4.0 International License , que permite el uso, la distribución y la reproducción sin restricciones en cualquier medio, incluso comercialmente, siempre que se cite correctamente el trabajo original.

Articulo 1: Hacia la mejora de las competencias gerenciales del liderazgo directivo en docentes y directivos a través del fortalecimiento de la inteligencia emocional

Resumen: Estudios previos han determinado la importancia de la inteligencia emocional en el contexto educativo, por este motivo, el presente estudio se enfoca en identificar la correlación entre la inteligencia emocional y las competencias gerenciales del liderazgo directivo. La metodología consta de una muestra que corresponde a 120 directores y docentes de escuelas públicas y privadas que cursan una maestría en Educación en una importante universidad del Perú. Se realizó una investigación cuantitativa, con diseño no experimental, de nivel correlacional y de corte transversal. Se utilizó la técnica de la encuesta, aplicando la “Escala de Inteligencia Emocional (EIS)” y el “Cuestionario para la Valoración de las Competencias Gerenciales”. Los resultados se analizaron a, través de la prueba de Spearman, la cual reveló que existe una correlación positiva media de 0,484. Lo cual nos permite concluir que existe una que existe una correlación positiva media, debido a que la inteligencia emocional no representaría el único factor que ejerce influencia en el desarrollo de las competencias gerenciales del liderazgo directivo

Articulo 2: Modelo Predictivo Implementado en KNIME Basado en Analíticas del Aprendizajes para la Toma de Decisiones Oportunas en Entornos Virtuales de Aprendizaje

Resumen: La investigación tiene como objetivo implementar un modelo predictivo en la plataforma KNIME para analizar y comparar el rendimiento académico de los estudiantes, a partir de los datos generados en un Sistema de Gestión de Aprendizaje (LMS), identificando a los estudiantes en riesgo académico con el fin de generar intervenciones oportunas y puntuales. Se utilizó la metodología CRISP-DM en seis fases. Se toman para el análisis 22 indicadores de comportamiento en línea observados en el LMS que se distribuyen en cinco dimensiones: Rendimiento académico, número de accesos, número de tareas desarrolladas, aspectos sociales y cuestionarios. El modelo imple-mentado utiliza el algoritmo de entrenamiento Simple Regression Tree Learner. La población total lo conforman 30000 registros de estudiantes, de los cuales se ha tomado una muestra de 1000 registros mediante un muestreo aleatorio simple. Se evalúa la precisión del modelo para la predicción temprana del rendimiento académico de los estudiantes. Los 22 indicadores de comportamiento se comparan con las medias de rendimiento académico en tres asignaturas generales cuyas predicciones son satisfactorios, el error absoluto medio comparado con la media del primer curso fue de 3.81 y con una precisión del 89.7%, el error absoluto medio comparado con la media del segundo curso fue de 2.80 con una precisión del 94.2% y el error absoluto medio comparado con la media del tercer curso fue de 2.77 con una precisión del 93.8%.

Articulo 3: Estandarización de Indicadores de Comportamiento de Aprendizaje en Entornos Virtuales

Resumen: La necesidad de analizar las interacciones de los estudiantes en entornos virtuales de aprendizaje (EVA) y las mejoras que ello genera constituye una realidad cada vez más emergente con la finalidad de realizar predicciones oportunas y poder optimizar los aprendizajes de los estudiantes. La presente investigación tiene como objetivo implementar una propuesta de indicadores de comportamiento de aprendizaje estandarizados en entornos virtuales de aprendizaje (EVA) para diseñar e implementar procesos de Learning Analytics (LA) eficientes y oportunos. La metodología consistió en un análisis de gestión de datos que se realizó en la plataforma Moodle de la Facultad de Ciencias de la Educación de la Universidad Nacional de San Agustín de Arequipa, con la participaron 20 docentes, donde se utilizaron cuestionarios online cualitativos para recoger las percepciones de los participantes. Los resultados proponen un estándar en cuanto a indicadores de comportamiento en el proceso de enseñanza-aprendizaje en EVA como son: Preparación para el aprendizaje, progreso en el avance del curso, recursos para el aprendizaje, interacción en los foros y evaluación de los recursos. Los cuales fueron evaluados a través de Learning Analytics y los muestran la eficiencia de los indicadores propuestos. Las conclusiones destacan la importancia de implementar indicadores de comportamiento estandarizados que nos permitan desarrollar eficientemente procesos de Learning Analytics en EVA con la finalidad de obtener mejores predicciones para tomar decisiones oportunas y optimizar los procesos de enseñanza-aprendizaje.

Articulo 4: Analysis of data typologies in virtual learning environments to define the variable catalog of resources and activities

Resumen: The objective of the research is to perform an analysis of the typology of data in virtual learning environments (VLE) in order to define the variables of resources and activities in virtual learning environments (VLE) in order to improve the management of resources and activities. The methodology applied consisted of the analysis of the resources and activities of the Learning Management System (LMS) Moodle of the Faculty of Education of the National University of San Agustin de Arequipa, the phases of data understanding and data preparation of the LMS were implemented, through the analysis of the management of resources and classroom activities, the results show that the data stored in the LMS can potentially be used to measure, inform and improve the participation of students in the teaching-learning processes. However, in order to perform a complete analysis, variables that are part of the research proposal were additionally included, these variables are identified as factors that influence student performance and their inclusion in data mining projects requires more detailed research, likewise, resources and activities, their simple and derived attributes of each of them were observed, to define the type of objectives, either descriptive or predictive about each of the activities and resources. The results were satisfactory since they allowed defining the objectives and the type of variables to measure the effectiveness of these resources and activities in virtual learning environments to be effectively applied by teachers through the different courses in Virtual Learning Environments (VLE). The conclusions allow offering a methodological proposal for a better management of resources and activities in VLE.

Articulo 5: Propuesta de Diseño de un Dashboard personalizado para optimizar la enseñanza-aprendizaje en entornos virtuales de aprendizaje

Resumen: La educación a distancia actualmente se ha masificado debido principalmente a la crisis sanitaria ocasionada por la pandemia COVID-19, que generó un incremento de usuarios en Entornos Virtuales de Aprendizaje (EVA) por lo que se hace necesario que los datos generados pueden ser mostrados en un Dashboard personalizado de acuerdo con los requerimientos y necesidades de los docentes. El objetivo de la investigación es diseñar una propuesta de un Dashboard personalizado de acuerdo a las necesidades de los estudiantes para aprovechar la información que se presenta y optimizar los procesos de enseñanza-aprendizaje en los EVA. La metodología sigue un enfoque cuantitativo de tipo experimental en la cual la propuesta de la arquitectura se desarrolla en las siguientes fases: Definición de requisitos; diseño y modelado; desarrollo; implementación y evaluación de resultados. Para todas estas fases se toman en cuenta el procesamiento y análisis de datos obtenidos a través de un modelo implementado en la plataforma KNIME cuyas recomendaciones permiten implementar la propuesta de un Dashboard. Los datos a ser analizados provienen de
255,720 registros de la interacción de los estudiantes en el Sistema de Gestión de Contenidos (LMS) de la Facultad de Ciencias de la Educación, del total de registros se tomó a través de un muestreo aleatorio simple 9,257 registros. Los resultados nos permiten ofrecer una propuesta de un Dashboard personalizado acorde a las necesidades de los docentes y estudiantes los cuales permiten visualizar los datos educativos de una forma que se puedan tomar decisiones oportunas para optimizar los procesos de enseñanza-aprendizaje.

IJETEL Volumen 1 Número 1

Articulo 1: Hacia la mejora de las competencias gerenciales del liderazgo directivo en docentes y directivos a través del fortalecimiento de la inteligencia emocional

Articulo 2: Modelo Predictivo Implementado en KNIME Basado en Analíticas del Aprendizajes para la Toma de Decisiones Oportunas en Entornos Virtuales de Aprendizaje

Articulo 3: Estandarización de Indicadores de Comportamiento de Aprendizaje en Entornos Virtuales

Articulo 4: Analysis of data typologies in virtual learning environments to define the variable catalog of resources and activities

Articulo 5: Propuesta de Diseño de un Dashboard personalizado para optimizar la enseñanza-aprendizaje en entornos virtuales de aprendizaje

Dirección:

Contáctenos:

Lunes a Sábado:

Nuestros servicios

Sobre nosotros