Minería de textos para la extracción de conocimiento en actividades educativas con información proveniente de redes sociales

Título:

Minería de textos para la extracción de conocimiento en actividades educativas con información proveniente de redes sociales: una estrategia didáctica

Autor:

Pérez Suasnavas, Ana Lucía

Otros autores / Colaboradores:

 Cela, Karina; [ Director/a]  Hasperué, Waldo; [ Codirector/a] 

Temas:

LENGUAJE NATURAL; 

URL:

https://doi.org/10.35537/10915/165771,

Palabras clave:

minería de textos, algoritmos supervisados, 

Nota de tesis:

Tesis (Doctorado en Ciencias Informáticas) - Universidad Nacional de La Plata. Facultad de Informática, 2024.

Extensión:

1 archivo (5,3 MB) : il. col.

Resumen:

La presente investigación se desarrolló en el campo de las tecnologías aplicadas a la educación, de forma particular, mediante el uso de técnicas de Minería de Datos y la integración de redes sociales. La Minería de Datos es un campo interdisciplinario, que integra diferentes áreas como la estadística y las ciencias de la computación; con el propósito de descubrir patrones de forma automática en grandes volúmenes de datos, para la posterior toma de decisiones. Por su característica, la Minería de Datos puede ser aplicada en diversas áreas como: las Finanzas, Ventas, Medicina, Educación, entre otras; donde se dispone de un variado conjunto de técnicas o métodos de Minería de Datos que son aplicadas con diferentes propósitos y objetivos, como los modelos predictivos y modelos descriptivos, con tareas de clasificación y regresión, así como de asociación y agrupamiento respectivamente. En el área de la educación, se ha evidenciado el uso de distintas técnicas de Minería de Datos, con diferentes objetivos, entre los que se puede mencionar: detección de los estudiantes en riesgo de reprobar o desertar, análisis de los sentimientos y emociones de los estudiantes, predicción del rendimiento académico, mejora de la comunicación de docentes-estudiantes, entre otros; mediante la extracción de datos provenientes de las redes sociales. Sin embargo, pocos estudios refieren al uso de prácticas pedagógicas que, integren el uso de técnicas de Minería de Datos y la red social Twitter, que permita predecir las dificultades expresadas por los estudiantes con datos provenientes de esta red, y que permita mejorar los procesos de enseñanza y aprendizaje de los estudiantes universitarios. El objetivo de la presente tesis doctoral, consiste en proponer una estrategia didáctica que integre técnicas de Minería de Datos para predecir las dificultades que experimentan los estudiantes universitarios en una sesión de clase, mediante la extracción de datos provenientes de la red social Twitter; con el propósito de que, el docente cuente con una herramienta que le permita brindar ayuda oportuna a los estudiantes, en los temas que demandan mayor atención en la enseñanza de la asignatura de Programación 1, en la Universidad Central del Ecuador, ubicada en la ciudad de Quito. La estrategia didáctica propuesta, denominada Justo a Tiempo para Enseñar con Twitter «Just in Time to Teach with Twitter» (JiTTwT), contempla 4 fases; cada una está compuesta por diferentes actividades y tareas, que integran tanto orientaciones pedagógicas como tecnológicas. Con estas dos orientaciones, se desarrolló una herramienta en el lenguaje de programación Python, denominada «API Issues», que cumple 4 funcionalidades: 1) extracción de los datos provenientes de Twitter; 2) preprocesamiento de los datos; 3) construcción y evaluación del modelo; y 4) predicción del tipo de dificultad. Con la API Issues se logró automatizar las diferentes fases de la Estrategia Didáctica JiTTwT, de manera que, el docente cuente con una herramienta de apoyo en su labor docente, anticipando las dificultades que los estudiantes pueden experimentar durante las clases presenciales, mediante la visualización de un mapa de los temas más relevantes. Para alcanzar los objetivos propuestos, se realizó una revisión sistemática de la literatura, que permitió identificar los vacíos de las investigaciones previas, de manera que, la Estrategia Didáctica JiTTwT cuente con características de innovación en el campo de la educación superior, mediante el uso de técnicas de Minería de Datos y la red social Twitter. La estrategia didáctica fue aplicada en dos instancias, de manera que permita validar su desarrollo. Los índices de reprobación de la asignatura de Programación 1 son elevados; por lo que, se espera que la Estrategia Didáctica JiTTwT permita al docente tomar acciones anticipadas, para minimizar los problemas identificados en los estudiantes. Así, esta estrategia se constituye en un aporte en el área de las Ciencias de la Computación, donde se imparte programación en la educación superior; sin descartar la posibilidad de ser utilizada en otros niveles de educación. Además, la herramienta «API Issues» posee cuatro funcionalidades, dos de las cuales pueden ser empleadas como instrumento de automatización de algunos procesos del KDD, esto es: la extracción de los datos provenientes de Twitter y el preprocesamiento de los datos; por lo que podría ser aplicada en otras áreas de trabajo futuro, y con las otras dos funcionalidades, es posible realizar la predicción del aprendizaje o predicción de la participación estudiantil.

Puede solicitar más fácilmente el ejemplar con: TES 24/08

Capítulo 1 – Introducción
1.1 Motivación
1.2 Planteamiento del problema
1.3 Objetivos 
1.3.1 Objetivo general 
1.3.2 Objetivos específicos
1.4 Hipótesis 
1.5 Metodología 
1.6 Estructura de la tesis

Capítulo 2 – Marco teórico 
2.1 Minería de Datos
2.1.1 Origen
2.1.2 Definición 
2.1.3 Aplicaciones
2.2 Procesos del KDD
2.3 Técnicas de Minería de Datos 
2.3.1 Aprendizaje supervisado
2.3.1.1 Clasificación 
2.3.1.2 Regresión 
2.3.2 Aprendizaje no supervisado
2.3.2.1 Asociación
2.3.2.2 Agrupamiento 
2.3.3 Aprendizaje reforzado 
2.3.4 Aprendizaje Profundo 
2.4 Redes Sociales
2.4.1 Origen de las redes sociales 
2.4.2 Definición de las redes sociales 
2.4.3 Clasificación de las redes sociales
2.4.3.1 Redes de propósito general
2.4.3.2 Redes sociales generales o de ocio 
2.4.3.3 Redes profesionales 
2.4.4 Aplicación de las redes sociales
2.4.5 Las redes sociales en la educación 
2.4.5.1 Facebook 
2.4.5.2 Twitter 
2.4.5.2.1 Usos de Twitter 
2.5 Estrategias didácticas 
2.5.1 Definiciones
2.5.2 Clasificación de las estrategias didácticas
2.5.3 Estrategias de enseñanza
2.5.4 Estrategias de aprendizaje 

Capítulo 3 – Revisión sistemática de la Literatura
3.1 Importancia de la revisión
3.2 Método utilizado 
3.2.1 Identificar la necesidad de realiza la revisión
3.2.2 Especificar las preguntas de investigación 
3.2.3 Identificar y determinar los términos de búsqueda
3.2.4 Establecer las estrategias de búsqueda 
3.2.5 Delimitar los criterios de inclusión 
3.2.6 Realizar el proceso de extracción de los datos

Capítulo 4 – Diseño de la estrategia didáctica
4.1 Antecedentes
4.2 Desarrollo 
4.2.1 Encuesta – Parte 1 
4.2.1.1 Pregunta 1: ¿Qué red social utilizas con más frecuencia? 
4.2.1.2 Pregunta 2: ¿Con qué objetivo utilizas la red social? 
4.2.1.3 Pregunta 3: ¿Qué red social utilizas o utilizarías con fines educativos, investigación o consulta académica?
4.2.1.4 Pregunta 4: ¿En qué lugar buscas información académica? 
4.2.2 Uso de Twitter como herramienta de participación estudiantil 
4.2.3 Propuesta de estrategia didáctica, para fomentar la participación estudiantil universitaria 
4.2.4 Evaluación de la participación estudiantil 
4.2.5 Encuesta – Parte 2 
4.2.5.1 Pregunta 5: Si no comprendes algún concepto o explicación del profesor, ¿Qué haces? 
4.2.5.2 Pregunta 6: Si no preguntas al profesor ¿En dónde buscas solventar la duda con mayor frecuencia?
4.2.5.3 Pregunta 7: ¿Cuál es la razón de no realizar preguntas en clase? 
4.2.5.4 Pregunta 8: Consideras que lo más importante de asistir a clases es 
4.2.5.5 Pregunta 9: ¿Cómo consideras que aprendes más? 
4.2.5.6 Pregunta 10: Si fueras profesor ¿cómo solventarías las dudas de los estudiantes?
4.2.6 Fundamentación para el diseño de la estrategia didáctica
4.2.6.1 Razón de innovación 
4.2.6.2 Razón pedagógica y tecnológica 
4.2.7 Diseño de la estrategia didáctica

Capítulo 5 – Validación de la Estrategia Didáctica JiTTwT 
5.1 Caso de estudio 1 – mejorar participación estudiantil
5.1.1 Método 
5.1.2 Muestra
5.1.3 Análisis previo del entorno – Caso 1
5.1.4 Instrumento 
5.1.5 Desarrollo 
5.1.5.1 Determinar en qué medida la estrategia didáctica incrementa la participación de los estudiantes durante las sesiones de clases presenciales
5.1.5.2 Aplicación de la Estrategia Didáctica JiTTwT 
5.1.6 Validación del cuestionario
5.1.6.1 Fase 1: Diseño del instrumento basado en un modelo 
5.1.6.2 Fase 2: Determinación de los ítems del instrumento de acuerdo con el modelo propuesto
5.1.6.3 Fase 3: Validación de los instrumentos basado en el criterio de expertos
5.1.6.4 Fase 4: Aplicación de la prueba piloto y análisis estadístico 
5.1.6.5 Fiabilidad del instrumento 
5.1.6.6 Validez del instrumento
5.1.6.7 Análisis descriptivo 
5.1.6.8 Correlación entre secciones 
5.1.7 Aplicación del instrumento 
5.1.8 Precisar si la estrategia didáctica genera un cambio de actitud favorable en los estudiantes hacia el aprendizaje
5.1.9 Describir la incidencia de la aplicación de la metodología en la autopercepción del pensamiento crítico de los estudiantes
5.1.10 Análisis estudiantes “Retirados” 
5.1.11 Análisis posterior del entorno – Caso 1 
5.2 Caso de estudio 2 – mejorar rendimiento académico 
5.2.1 Introducción 
5.2.2 Muestra 
5.2.3 Análisis previo del entorno – Caso 2 
5.2.4 Instrumento 
5.2.5 Desarrollo 
5.2.5.1 Análisis Cuantitativo en el 1° Hemi 
5.2.5.2 Aplicación de la Estrategia Didáctica JiTTwT 
5.2.5.3 Análisis Cuantitativo en el 2° Hemi 
5.2.5.4 Análisis Cuantitativo entre el 1° y 2° Hemi sobre participación vs rendimiento y estudiantes retirados 
5.2.5.5 Análisis Cuantitativo sobre participación, rendimiento y aprobación
5.2.5.6 Correlación de las variables 
5.2.6 Análisis posterior del entorno – Caso 2 
5.3 Aportes de la Estrategia Didáctica JiTTwT

Capítulo 6 – Clasificación y predicción de las dificultades académicas
6.1 Introducción
6.2 Método 
6.3 Participantes
6.4 Instrumentos 
6.5 Desarrollo 
6.5.1 Extracción y clasificación de los datos 
6.5.1.1 Descomposición del problema 
6.5.1.2 Abstracción
6.5.1.3 Generalización de patrones 
6.5.1.4 Diseño algorítmico 
6.5.2 Descripción de las intervenciones 
6.5.2.1 Primera intervención 
6.5.2.1.1 Diseño de la aplicación para extracción de datos 
6.5.2.1.2 Depuración de registros de Twitter
6.5.2.1.3 Análisis y clasificación de tweets
6.5.2.2 Segunda, tercera y cuarta intervención 
6.5.2.2.1 Diseño del cuestionario para extracción de datos 
6.5.2.2.1.1 Depuración de registros del Formulario 
6.5.2.2.2 Análisis y clasificación de los comentarios 
6.5.2.3 Análisis de las intervenciones 
6.5.2.3.1 Análisis cualitativo por modalidad de estudio
6.5.2.3.2 Análisis cualitativo antes y durante la pandemia
6.5.3 Creación del modelo predictivo
6.5.3.1 Construcción del modelo 
6.5.3.1.1 Arquitectura de los modelos
6.5.3.1.2 Configuración de parámetros e hiperparámetros
6.5.3.2 Entrenamiento
6.5.3.3 Prueba del modelo 
6.5.4 Aplicación del modelo sobre nuevos datos
6.5.4.1 Visualización

Capítulo 7 – Conclusiones, trabajos futuros y aportes 
7.1 Conclusiones 
7.2 Limitaciones
7.3 Trabajos futuros
7.4 Aportes
7.5 Publicaciones científicas generadas.
7.6 Méritos obtenidos

Referencia