Actividades del grupo de innovación docente de la Universidad de Burgos DIGIT Docencia de Informática en Grados de Ingeniería y Trabajos fin de grado.
Objetivos:
Estudiar y aplicar metodologías de seguimiento y tutela del Trabajo Fin de Grado a Trabajo Fin de Máster.
Desarrollar prototipos funcionales dedicados a la enseñanza de informática con TFG y TFM de Ingeniería Informática.
Divulgar y difundir buenas prácticas en la enseñanza de la Ingeniería Informática
Publicamos un conjunto de datos en Kaggle con medidas de evaluación de Trabajos Fin de Grado y medidas de los procesos realizadas en Github.
Además, creamos un notebook donde se entrena un árbol de decisión, utilizando la librería scikit-learn,
para predecir la evaluación de Trabajos de Fin de Grado (TFG) basados
en datos recopilados de GitHub. El objetivo de este código es explorar
cómo se estructuran las decisiones del modelo y qué características
tienen más peso en la evaluación de los TFG.
El taller Programación de
videojuegos en el marco del programa de Bachillerato de
Investigación/Excelencia (BIE), se llevó a cabo nuevamente el 5 de
febrero de 2025 en colaboración con el instituto burgalés Comuneros de
Castilla. Este evento estuvo dirigido a la iniciación en la programación
con Python, donde los participantes desarrollaron desde cero el clásico
videojuego Pac-Man.
Durante la actividad, se introdujeron los fundamentos esenciales de
la programación, como la definición de funciones, bucles y estructuras
condicionales, además de aspectos clave del diseño y desarrollo de
videojuegos. Se trabajó en la conceptualización de variables para
representar los diferentes elementos del juego y en la estructura
general del código. Como en ediciones anteriores, el material
actualizado del taller está disponible en: https://github.com/Josemi/BIEVideojuegos.
Al finalizar la sesión, se consultó a los estudiantes sobre sus
planes académicos tras el bachillerato y se les proporcionó información
sobre los programas de grado en los que el departamento de Ingeniería
Informática tiene un papel relevante, como Ingeniería Informática,
Ingeniería de la Salud y Diseño de Videojuegos.
Palabras clave:minería de datos educativos | analítica del aprendizaje | aprendizaje a escala | registros de aprendizaje en línea | predicción del rendimiento de los estudiantes | minería de datos supervisada
Un resumen del trabajo.
La minería de datos educativos y la analítica del aprendizaje en entornos virtuales pueden utilizarse para diagnosticar problemas de rendimiento de los estudiantes en una fase temprana. Información que resulta útil para orientar las decisiones de los profesores que gestionan la formación académica, de modo que los estudiantes puedan completar con éxito su curso. Sin embargo, los patrones de interacción de los estudiantes pueden variar en función del dominio de conocimiento. Nuestro objetivo es diseñar un marco aplicable a cursos online de Ciencias Sociales y STEM, recomendando métodos para construir modelos precisos de predicción temprana del rendimiento. Se presenta un estudio comparativo a gran escala de la precisión de múltiples clasificadores aplicados para clasificar los registros de interacción de 32.593 estudiantes de 9 cursos de Ciencias Sociales y 13 de STEM. Corroborando los resultados de otros trabajos, se observó que se obtenía una alta precisión en la predicción del rendimiento temprano basándose únicamente en los registros de los estudiantes: precisiones de 0,75 en la 10ª semana, 0,80 en la 20ª semana, 0,85 en la 30ª semana y 0,90 en la 40ª semana. Sin embargo, se observó que los índices de precisión variaban significativamente en función del algoritmo de clasificación y del dominio de conocimiento (Ciencias Sociales frente a STEM). En general, estas predicciones son menos precisas en los cursos de Ciencias Sociales que en los de STEM, especialmente al principio del curso, y se observan menos diferencias en las últimas semanas. Además, esta investigación identifica casos de valores atípicos de baja precisión en la predicción de cursos de Ciencias Sociales a lo largo del tiempo. Estos hallazgos ponen de relieve los complejos retos y las variaciones en la predicción temprana del rendimiento en diferentes ámbitos de la educación en línea.
El gráfico muestra la variabilidad de la precisión entre los clasificadores para cada dominio (SS frente a STEM) a lo largo de las distintas semanas del curso.
Nuestros compañeros presentaron el trabajo "¿𝘋𝘦 𝘲𝘶é 𝘵𝘦𝘮𝘢𝘴 𝘩𝘢𝘣𝘭𝘢𝘮𝘰𝘴 𝘦𝘯 𝘑𝘌𝘕𝘜𝘐?
𝘔𝘰𝘥𝘦𝘭𝘢𝘥𝘰 𝘥𝘦 𝘵𝘰𝘱𝘪𝘤𝘴 𝘤𝘰𝘯 𝘓𝘢𝘵𝘦𝘯𝘵 𝘋𝘪𝘳𝘪𝘤𝘩𝘭𝘦𝘵 𝘈𝘭𝘭𝘰𝘤𝘢𝘵𝘪𝘰𝘯 (𝘓𝘋𝘈)" en las 𝐗𝐗𝐗 𝐉𝐨𝐫𝐧𝐚𝐝𝐚𝐬
𝐬𝐨𝐛𝐫𝐞 𝐥𝐚 𝐄𝐧𝐬𝐞ñ𝐚𝐧𝐳𝐚 𝐔𝐧𝐢𝐯𝐞𝐫𝐬𝐢𝐭𝐚𝐫𝐢𝐚 𝐝𝐞 𝐥𝐚 𝐈𝐧𝐟𝐨𝐫𝐦á𝐭𝐢𝐜𝐚 (𝐉𝐄𝐍𝐔𝐈 2024)
https://jenui2024.udc.es/ . En este trabajo se estudia la aplicación de una
técnica de aprendizaje no supervisado sobre texto denominada "topic model", la
cuál se emplea para mejorar la comprensión de grandes cantidades de datos
textuales mediante la agrupación de documentos por temas. El presente trabajo
aplica esta técnica al procesado de actas completas de las 27 últimas ediciones
de JENUI (un total de 1745 documentos). Partiendo de la extracción del texto de
títulos y resúmenes, se aplica el algoritmo de Latent Dirichlet Allocation
(LDA), estimando el número óptimo de temas. El trabajo construye un clasificador
de temático y analiza la distribución de temas y las probabilidades de los
términos de cada tema. Además estudia la evolución temática de los trabajos a lo
largo del tiempo. El mapa de calor muestra un resumen de los temas tratados distribuidos en años.
Conclusión general
A lo largo de las 27 ediciones ha existido una evolución
temporal en 5 temas principales en los trabajos de las Jenui, transitando de
unos temas a otros. La evolución es explicable con cambios tecnológicos y
legislativos en la educación de la informática.
La aplicabilidad de estos resultados es dependiente del
rol:
Para los organizadores de congresos de innovación docente - ayuda a la toma de decisiones en la elección de
áreas temáticas en las llamadas a la participación.
Para los investigadores -
ayuda a clasificar sus artículos en áreas temáticas consideradas.
Desde DIGIT participamos en dos nuevas intervenciones divulgativas en Programa Interuniversitario de la Experiencia de la Universidad de Burgos relacionadas con la inteligencia artificial generativa. En ambas se presentan brevemente los conceptos teóricos básicos y posteriormente una se enfoca en el conocimiento de aplicaciones de IA generativas, y la otra centrada en la ingeniería del prompt .
En el campo de la investigación educativa, el análisis del aprendizaje (LA) y la minería de datos educativos (EDM) tienen un impacto significativo en la mejora de los procesos de enseñanza y aprendizaje. En concreto, en la enseñanza en cursos online, el análisis del aprendizaje (LA) se ha preocupado por resolver los problemas asociados al crecimiento de la disponibilidad, cantidad, velocidad y tipo de datos en los sistema de Gestión del Aprendizaje (LMS). El modelado predictivo de la minería de datos educativos (EDM) y la analítica del aprendizaje (LA) se han convertido en práctica clave de los investigadores educativos. Uno de sus objetivos de estudio es la predicción del éxito de los estudiantes, analizándolo a partir de su rendimiento académico obtenido en las actividades de evaluación continua. Ambos campos, LA y EDM, requieren avanzar en el desarrollo de aplicaciones informáticas especializadas que recuperen los datos disponibles sobre la actividad de los estudiantes en los cursos virtuales de un Sistema de Gestión del Aprendizaje (LMS) e implementen técnicas de análisis LA y EDM.
UBUMonitor es un software de escritorio orientado a educadores para monitorizar y analizar la actividad de aprendizaje de los estudiantes en cursos Moodle. En particular, este software despliega todo su potencial en manos de un investigador educativo, es decir aquellos educadores que diseñan actividades de aprendizaje dentro de cursos Moodle, evaluándolas con estudiantes reales y realizando análisis empíricos del nivel de interacción de los estudiantes y su impacto directo en el proceso de aprendizaje. Además, estos educadores poseen conocimientos elementales del proceso de Agrupación de Datos Educativos (EDC).
UBUMonitor utiliza toda la información recogida por Moodle para permitir a los investigadores educativos configurar su análisis de los patrones de aprendizaje de los estudiantes. Esta herramienta es fundamental para identificar los diversos grupos de estudiantes, lo que permite a los investigadores educativos obtener una visión completa de su dinámica de aprendizaje y, por lo tanto, adaptar las metodologías de enseñanza para satisfacer sus diversas necesidades y preferencias. El clustering es una de las técnicas más importantes en el campo de la Minería de Datos y UBUMonitor implementa múltiples algoritmos de clustering para que los investigadores educativos puedan utilizarlos para extraer conocimiento sobre el proceso de aprendizaje de los estudiantes.
UBUMonitor es una aplicación modular desarrollada íntegramente por miembros del Grupo de Innovación docente DIGIT. En el siguiente vídeo muestra un caso de uso del módulo de clustering de estudiantes con un caso de estudio basado en datos reales.
Este artículo ha sido financiado por la UBU con la ayuda a grupos de
innovación docente reconocidos para la elaboración de materiales
docentes para los años 2023-2024.
El taller "Programación de videojuegos" en el marco del programa de Bachillerato de Investigación/Excelencia BIE se volvió a llevar a cabo los días 22 y 23 de enero de 2024 en colaboración con los institutos burgaleses Comuneros de Castilla y Félix Rodríguez de la Fuente. Este evento fue concebido como una iniciación a la programación en Python, donde los participantes crearon el conocido videojuego Pac-Man desde cero.
Durante la actividad, se abordaron tanto los fundamentos básicos de la programación, incluida la definición de funciones, bucles y condicionales, como los aspectos relacionados con el diseño y desarrollo de videojuegos, como la conceptualización de variables para representar todos los elementos del juego (el material actualizado del taller está disponible en: https://github.com/Josemi/BIEVideojuegos). Al finalizar, se consultó a los estudiantes sobre sus planes académicos después de terminar el bachillerato, y se les proporcionó información sobre los programas de grado donde el departamento de Ingeniería Informática tiene relevancia, como Ingeniería Informática, Ingeniería de la Salud o Diseño de Videojuegos.
