Modelo de Relación Docente – Asignatura Aplicando Minería de Texto
Barra lateral del artículo
Contenido principal del artículo
Resumen
El estudio se enfoca en la relación entre los títulos profesionales de los docentes universitarios y las asignaturas que se les asignan. La metodología utilizada en el estudio se basa en la minería de textos y el análisis de frecuencias de palabras. Se empleó una metodología documental descriptiva que utilizó métodos empíricos y herramientas comparativas. Se recopilaron documentos relacionados con las asignaturas y los perfiles de los docentes y se realizaron procesos de limpieza, vectorización y similitud en los textos. Los resultados obtenidos mostraron una correlación significativa entre el perfil docente y los contenidos de las asignaturas. Se encontró un promedio del 80% de correlación entre los docentes y los contenidos de las asignaturas de la carrera de Sistemas de Información. Se realizó el mismo análisis para los docentes de la carrera de Tecnologías de la Información, y se encontró un promedio del 82% de correlación. Además, se analizó la correlación en mayor detalle para docentes y asignaturas específicas, encontrando altos niveles de correlación, con porcentajes que oscilan entre el 82% y el 88%. El estudio utilizó técnicas como word2Vec y similitud coseno para calcular la aproximación entre las palabras y los conceptos relacionados. Los resultados respaldan la importancia de utilizar métodos de minería de texto para analizar y comprender la relación entre los docentes y las asignaturas, y proporcionan una base sólida para la mejora continua de la gestión educativa en el campo de las tecnologías informáticas. El estudio destaca la importancia de implementar una cultura de toma de decisiones basada en los datos generados en las universidades.
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
1. Derechos de autor
Las obras que se publican en 593 Digital Publisher CEIT están sujetas a los siguientes términos:
1.1. 593 Digital Publisher CEIT, conserva los derechos patrimoniales (copyright) de las obras publicadas, favorece y permite la reutilización de las mismas bajo la licencia Licencia Creative Commons 4.0 de Reconocimiento-NoComercial-CompartirIgual 4.0, por lo cual se pueden copiar, usar, difundir, transmitir y exponer públicamente, siempre que:
1.1.a. Se cite la autoría y fuente original de su publicación (revista, editorial, URL).
1.1.b. No se usen para fines comerciales u onerosos.
1.1.c. Se mencione la existencia y especificaciones de esta licencia de uso.
Leslie Paullette Macías-Veliz, Universidad Técnica de Manabí - Ecuador
Estudiante de la Facultad Ciencias Informática, estudió la carrera de Ing. en Sistema de Información.
Con respecto a la presente Investigación considero que ha sido desafiante, fructífera y enriquecedora que me ha generado nuevos conocimientos y aprendizajes significativos.
Gabriel Agustín Cotera-Ramírez, Universidad Técnica de Manabí - Ecuador
https://orcid.org/0000-0003-2726-8317
Título de Magister en Informática de Gestión Y nuevas Tecnologías por la Universidad Técnica Federico Santa María de Chile en 2008.
Docente titular auxiliar de la Facultad de Ciencias Informáticas de la Universidad Técnica de Manabí.
Línea de investigación Machine Learning, Procesamiento de datos, IoT.
Citas
Ayyadevara, V. K. (2018). Word2vec. En V. K. Ayyadevara, Pro Machine Learning Algorithms (pp. 167-178). Apress. https://doi.org/10.1007/978-1-4842-3564-5_8
Barrio Pareja, E. E. B. (2014). Minería de texto para el análisis de la colaboración en SIENA. 5(10), 1-61.
Benítez, C. A. F. (2016). Herramienta informática con minería de texto para la caracterización psicosocial de estudiantes y grupos universitarios. 1-75.
Betancourt Bethencourt, J. A., Acao Francois, L., & Álvarez Escoda, M. (2016). Entrenamiento de estudiantes de Medicina en investigaciones cualitativas y minería de texto durante el 2015 en Camagüey. Educación Médica Superior, 30(3), 669-677.
Bin Mat, U., Buniyamin, N., Arsad, P. M., & Kassim, R. (2013). An overview of using academic analytics to predict and improve students’ achievement: A proposed proactive intelligent intervention. 2013 IEEE 5th Conference on Engineering Education (ICEED), 126-130. https://doi.org/10.1109/ICEED.2013.6908316
Consuegra, A. A., Salazar, Y. M., García, J. H., & Vizcaino, D. H. (2016). MINERÍA DE TEXTO COMO UNA HERRAMIENTA PARA LA BÚSQUEDA DE ARTÍCULOS CIENTÍFICOS PARA LA INVESTIGACIÓN. . . pp., 7(1), 8.
Contreras Barrera, M. (2015). Minería de texto: Una visión actual. Biblioteca Universitaria, 17(2), 129-138. https://doi.org/10.22201/dgb.0187750xp.2014.2.72
Digión, L. B., Álvarez, M. M., Digión, L. B., & Álvarez, M. M. (2021). Experiencia de enseñanza-aprendizaje con aula virtual en el acompañamiento pedagógico debido al Covid-19. Apertura (Guadalajara, Jal.), 13(1), 20-35. https://doi.org/10.32870/ap.v13n1.1957
Dikaiakos, M. D., Katsifodimos, A., & Pallis, G. (2012). Minersoft: Software retrieval in grid and cloud computing infrastructures. ACM Transactions on Internet Technology, 12(1), 2:1-2:34. https://doi.org/10.1145/2220352.2220354
Duarte, J., Talero, L., & Arias-Tabares, J. (2019). Identificación de estrategias académicas aplicando minería de texto: El caso de la asignatura Finanzas y Presupuestos. Espacios, 40, 9.
Espíritu-Sandoval, K. Y. E. (2016). MAESTRO EN SISTEMAS COMPUTACIONALES. 2(3), 1-71.
Florio, N. (2022). Las palabras de la educación española: Una experiencia de minería de textos: Análisis lingüístico diacrónico de las leyes educativas con R. HUMAN REVIEW. International Humanities Review / Revista Internacional de Humanidades, 13(1), Article 1. https://doi.org/10.37467/revhuman.v11.4001
Garrido, C. D., Orta, G. del C. L., Rivilla, A. M., & Méndez, E. R. (2014). Las competencias docentes: Diagnóstico y actividades innovadoras para su desarrollo en un modelo de educación a distancia. REDU. Revista de Docencia Universitaria, 12(1), Article 1. https://doi.org/10.4995/redu.2014.6431
Han, J., Kamber, M., & Pei, J. (2012). Data mining: Concepts and techniques (3rd ed). Elsevier/Morgan Kaufmann.
Kansanen, P. (2003). Studying–the Realistic Bridge Between Instruction and Learning. An Attempt to a Conceptual Whole of the Teaching-Studying-Learning Process. Educational Studies, 29, 221-232. https://doi.org/10.1080/03055690303279
Kumar, S., & Saeed, M. (2018). Applications of Educational Data Mining and Learning Analytics Tools in Handling Big Data in Higher Education: Trends, Issues, and Challenges. https://www.researchgate.net/publication/326554623_Applications_of_Educational_Data_Mining_and_Learning_Analytics_Tools_in_Handling_Big_Data_in_Higher_Education_Trends_Issues_and_Challenges
Lang, C., Siemens, G., Wise, A., Gašević, D., & Merceron, A. (2017). Handbook of Learning Analytics—Second edition. Society for Learning Analytics Research (SoLAR). https://www.solaresearch.org/publications/hla-22/
Navarro, I. S. (2021). Prototipado Rápido de Minería de Texto Usando Campos Conceptuales Fast Prototyping for Text Mining Using Conceptual Fields. 2(25), 11-38.
Peña-Ayala, A. (2014). Educational data mining: A survey and a data mining-based analysis of recent works. Expert Systems with Applications, 41(4, Part 1), 1432-1462. https://doi.org/10.1016/j.eswa.2013.08.042
Pérez Abelleira, M. A., & Cardoso, C. A. (2010). Minería de texto para la categorización automática de documentos. 5, 11-45.
Rivero, S., David, V., Humberto, J., Ester, M., Alejandro, L., Alejandro, A., Brian, C., Facundo, Á., Nicolás, P., & Noelia, C. (2020). Aplicación de Técnicas Descriptivas de Minería de Textos sobre Contenido Digital Realizando Análisis Inteligente. 2(5), 279-283.
Romero, C., & Ventura, S. (2013). Data mining in education. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 3(1), 12-27. https://doi.org/10.1002/widm.1075
Ruiz-Cornejo, N., Arriagada-Benítez, M., Ruiz-Cornejo, N., & Arriagada-Benítez, M. (2022). Análisis estilométrico en Python aplicado a epistolarios de la premio nobel de literatura Gabriela Mistral. Ingeniare. Revista chilena de ingeniería, 30(2), 229-238. https://doi.org/10.4067/S0718-33052022000200229
Shahiri, A. M., Husain, W., & Rashid, N. A. (2015). A Review on Predicting Student’s Performance Using Data Mining Techniques. Procedia Computer Science, 72, 414-422. https://doi.org/10.1016/j.procs.2015.12.157
Strech, P., Cruz, L., Soares, C., Mendes, J., & Abreu, R. (2015). A Comparative Study of Classification and Regression Algorithms for Modelling Students’ Academic Performance. 3. https://www.researchgate.net/publication/278030689_A_Comparative_Study_of_Classification_and_Regression_Algorithms_for_Modelling_Students%27_Academic_Performance
Talamé, L., Cardoso, A., & Amor, M. (2019). Comparación de herramientas de procesamiento de textos en español extraídos de una red social para Python. 53-67.
Temesio, S., GarcÃa, S., & Perez, A. (2021). Rendimiento estudiantil en tiempo de pandemia: Percepciones sobre aspectos con mayor impacto. Revista Iberoamericana de Tecnología en Educación y Educación en Tecnología, 28, 359-369.
Vargas Guarín, J. D., Barona Jiménez, M. A., & Garcia Beltrán, F. E. (2021). Doctor mining: Sistema text mining para localizar información sobre enfermedades pulmonares. https://repositorio.unbosque.edu.co/handle/20.500.12495/7146
Vargas Pulliquitín, M. F. (2018). Minería de texto de la web, de opinión pública y hechos referentes al barrio La Floresta [BachelorThesis, Quito, 2018.]. http://bibdigital.epn.edu.ec/handle/15000/19574
Wauer, M., Meinecke, J., Schuster, D., Konzag, A., Aleksy, M., & Riedel, T. (2011). Semantic Federation of Product Information from Structured and Unstructured Sources. IJBDCN, 7, 69-97. https://doi.org/10.4018/jbdcn.2011040105
Xiao, X., Xu, H., & Xu, S. (2015). Using IBM SPSS modeler to improve undergraduate mathematical modelling competence. Computer Applications in Engineering Education, 23(4), 603-609. https://doi.org/10.1002/cae.21632
York, T. T., Gibson, C., & Rankin, S. (2015). Defining and Measuring Academic Success. 20(5), 1-21. https://doi.org/10.7275/HZ5X-TX03
Zhañay, M. B. A. (2016). MINERÍA DE TEXTO EN MEDIOS SOCIALES. CASO DE ESTUDIO DEL PROYECTO TRANVÍA DE CUENCA. Universidad del Azuay.