Investigadores de la Escuela Superior de Economía y KU Leuven han desarrollado un método para medir el crecimiento en la competencia de los estudiantes en entornos de aprendizaje digital. Ayuda a ver el progreso de los participantes del curso en línea en dinámica, es decir., para comprender cómo estudian los estudiantes y cómo funciona el curso. Los resultados del estudio se han publicado en la revista Métodos de investigación del comportamiento .
El resultado esperado y deseado de cualquier curso es el crecimiento en la competencia de los estudiantes, y un aumento de sus conocimientos y habilidades. Este crecimiento está representado por una diferencia positiva entre conocimientos y habilidades al final y al comienzo del curso. Durante muchos años, El crecimiento se ha medido como la diferencia en los resultados de las pruebas finales y de ingreso. Sin embargo, Este enfoque, que utiliza dos puntos de control, no permite rastrear y comprender la dinámica del crecimiento dentro del curso.
El nuevo enfoque sugerido por los investigadores de HSE y KU Leuven se basa en los datos digitales registrados de los estudiantes. Los datos registrados representan eventos registrados por la plataforma de aprendizaje en línea, como ver video conferencias e intentar resolver tareas. Al utilizar estos datos, los investigadores pueden ver dos tipos de crecimiento de la competencia:continuo (a lo largo del curso) y local (en un área determinada, asociado con una tarea en particular).
El crecimiento continuo se estima como un efecto acumulativo de ver conferencias en video en un momento determinado del curso en línea. El crecimiento local se calcula como el efecto de un intento de resolver una tarea específica. Como señalan los investigadores, ambos efectos son específicos para cada alumno. En otras palabras, el mismo número de vistas de material da como resultado un crecimiento diferente para dos estudiantes diferentes.
'Por lo tanto, vemos los resultados de cada alumno en cualquier momento del curso, y no perdemos su tiempo en voluminosas pruebas de entrada y final. Nuestra investigación es una transición conceptual del análisis tradicional de los resultados de las pruebas al análisis progresivo de rastros digitales en el entorno educativo, 'dice Dmitry Abbakumov, autor del artículo y director del HSE Center for Psychometrics in eLearning.
Estos modelos se pueden utilizar en paneles analíticos en plataformas de aprendizaje en línea, mientras que los algoritmos basados en ellos son apropiados para soluciones de navegación y recomendación en educación digital.