Los sesgos de elección al rescate de la retención en los MOOCs

Abstract

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.