Por favor, use este identificador para citar o enlazar este ítem:https://uvadoc.uva.es/handle/10324/79072
Título
Learning analytics en el marco de eXtreme Learning
Autor
Director o Tutor
Año del Documento
2025
Titulación
Máster en Ingeniería Informática
Resumo
La dinámica de aprendizaje que plantea eXtreme Learning requiere un ritmo de trabajo sostenible
en el tiempo y eso causa en los estudiantes una sensación de sobrecarga que precisa ser
abordada para asegurar la mejor experiencia de aprendizaje posible. En particular, queremos
identificar fases de la asignatura en las que se concentren un número elevado de acciones formativas
con una elevada carga de trabajo y determinar si existen redundancias entre ellas. Diversos
estudios han demostrado que las herramientas basadas en Analíticas del Aprendizaje (LA) y
las Analíticas del Currículum (CA) pueden facilitar este proceso, ayudando a tomar decisiones
informadas a partir de los datos generados en los procesos de enseñanza-aprendizaje.
En este Trabajo Fin de Máster se plantea la creación de una herramienta de CA orientada
a apoyar a los docentes en la reflexión sobre la planificación, la distribución temporal y la carga
de las acciones formativas de una asignatura universitaria.
El desarrollo del proyecto se ha estructurado como un workflow en cinco fases: preliminar,
diseño, desarrollo, despliegue y evaluación. Para ello, se ha aplicado el marco metodológico A4CD,
se ha utilizado el proceso de diseño LATUX, y la evaluación se ha realizado mediante preguntas
adaptadas de los cuestionarios TAM y EFLA.
Como resultado, se ha obtenido la aplicación eXcurrED con la que los profesores de la asignatura
Sistemas de Bases de Datos (SBD) han podido identificar acciones formativas redundantes,
así como actividades cuya carga real fue superior a la estimada por el profesorado. Además, el
100% de los docentes que han participado en la evaluación han manifestado que la sXcurrED les
proporciona información útil y novedosa y que la utilizarían en futuros cursos de la asignatura The learning dynamics of eXtreme Learning requires a sustainable pace of work over time
and this causes students to feel a sense of overload that needs to be addressed to ensure the
best possible learning experience. In particular, we want to identify phases of the course in
which a large number of training actions with a high workload are concentrated and determine
whether there are redundancies between them. Several studies have shown that tools based on
Learning Analytics (LA) and Curriculum Analytics (CA) can facilitate this process, evidencebased
decision making from the data generated in the teaching-learning processes.
In this Master’s Thesis we propose the creation of a CA tool aimed at supporting teachers in
the reflection on the planning, time distribution and load of the training actions of a university
subject.
The development of the project has been structured as a workflow in five phases: preliminary,
design, development, deployment and evaluation. For this purpose, the A4CD methodological
framework has been applied, the LATUX design process has been used, and the evaluation has
been carried out by means of questions adapted from the TAM and EFLA questionnaires.
As a result, the eXcurrED application has been obtained, with which the teachers of the
subject Database Systems (SBD) have been able to identify redundant training actions, as well
as activities whose real load was higher than that estimated by the teaching staff. In addition,
100% of the teachers who participated in the evaluation stated that the course provides them
with useful and innovative information and that they would use it in future courses of the subject
Palabras Clave
Analíticas del currículo (CA)
eXtreme Learning
Test-Driven Learning (TDL)
Sistema de Bases de Datos (SBD)
eXcurrED
Departamento
Departamento de Informática (Arquitectura y Tecnología de Computadores, Ciencias de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos)
Idioma
spa
Derechos
openAccess
Aparece en las colecciones
- Trabajos Fin de Máster UVa [7337]
Arquivos deste item
Exceto quando indicado o contrário, a licença deste item é descrito como Attribution-NonCommercial-NoDerivatives 4.0 Internacional









