Los sesgos de elección al rescate de la retención en los MOOCs
Metadatos
Mostrar el registro completo del ítemEditorial
Universidad de Granada
Materia
CHAID Deserción escolar Sesgo minucia MOOC Certificado Desertion Minutia bias
Fecha
2020Referencia bibliográfica
Medina- Labrador, M. y García Vargas, G. (2020). Los sesgos de elección y su influencia en la deserción de los MOOCs. Profesorado. Revista de Currículum y Formación de Profesorado, 24(3), 423-439. DOI: 10.30827/profesorado.v24i3.8274
Resumen
Luego del éxito de los MOOCS en los últimos años, la baja retención, pone en duda su efectividad. La
presente investigación analiza los datos de diferentes MOOCs con los objetivos de determinar los
estudiantes y MOOCs con perfiles desertores y encontrar patrones de estudiantes finalizadores, a través
de distorsiones de la realidad (sesgos). Se utilizó la técnica de estratificación y predicción, árbol de
decisión de tipo CHAID (Chi-square automatic interaction detector). Los resultados indican que las
variables interés por el certificado, sesgos de elección y edad son las que mejor predicen los perfiles de
los estudiantes desertores. Para el caso de los perfiles de los cursos que favorecen la deserción; la
duración del MOOC, los sesgos de elección, la cantidad de módulos y el número de profesores muestran
el curso con mayor probabilidad de abandono. Los mayores predictores en el interés el certificado final
se encuentra descritos por los estudiantes con estudios de licenciatura y del área de interés de negocios.
Contrario a lo esperado, se encontró como mayor predictor de la deserción el número incremental de
preguntas a lo largo de las diferentes evaluaciones durante el MOOC. La discusión presenta estrategias
pedagógicas que benefician directamente la supervivencia de los MOOCs. After the success of the MOOCS of recent years, the low retention, calls into question its effectiveness.
The present investigation analyzes the data of different MOOCs with the objectives of determining
students and MOOCs with deserting profiles and finding patterns of finalizing students, through distortions
of reality (biases). The stratification and prediction technique, CHAID type decision tree (Chi-square
automatic interaction detector) was used. The results indicate that the variables interest in the
certificate, biases of choice and age are what best predict the profiles of the dropout students. In the
case of the profiles of the courses that favor the desertion; the duration of the MOOC, the selection
biases, the number of modules and the number of teachers show the course with the highest probability
of abandonment. Contrary to what was expected, the incremental number of questions during the
different evaluations during the MOOC was found to be the greatest predictor of attrition. The discussion
presents pedagogical strategies that directly benefit the survival of MOOCs.