Estudiante: Juan Pablo Salazar FernándezPrograma: Doctorado en Cs. de la IngenieríaProfesores: Dr. Marcos Sepúlveda Fernández, Dr. Jorge Muñoz Gama

Pontificia Universidad Católica de ChileEscuela de IngenieríaDepartamento de Ciencia de la ComputaciónPRESENTACIÓN SEMINARIO DE POSTGRADO

MINERÍA DE PROCESOS COMO APOYO A LA

GESTIÓN CURRICULAR EN EDUCACIÓN SUPERIOR

23 de octubre de 2015

1. Motivación2. Marco teórico del problema3. Pregunta de investigación4. Solución propuesta5. Limitaciones de la solución6. Estado de la investigación

› Contenidos

2

MOTIVACIÓN

“38% of young people will graduate for the first time from tertiary programmes during their lifetime”

“31% of students who enter tertiary education leave without a tertiary qualification”

4

Costos crecientes

Masificación

Desafíos

H

BDC

A

Fragmentación

Cambios en el

financiamiento

Formación continua

E

MOOCs

F Rankings

G

Globalización

IModelos de negocio

› Educación Superior del futuro

• Higher Education in America, Derek Bok, 2015• University of the future, Ernst&Young, 2012

• The digital degree, The Economist, Jun 28, 2014• Los desafíos de la Educ. Superior en Chile, Ignacio Sánchez, 2011

5

MARCO TEÓRICO

› Ámbitos de la Gestión Universitaria

a) Docencia (Pregrado – Postgrado)b) Investigaciónc) Vinculación con el Medio (Extensión – Asistencia Técnica –

Innovación)

7

› Deserción (Dropout) en Ed. Superior• Gran problema a nivel

mundial, Chile no es la excepción.

• Múltiples estudios a lo largo del tiempo, aplicando diferentes técnicas estadísticas y de minería de datos.

• Modelo de V. Tinto (1975-1987) aún vigente.• Dropout in Higher Education, V. Tinto, 1975

• La educación superior en Chile, L. González, O. Espinoza, UDP, 2014• Educational pathways and dropout from higher education in Germany, S. Müller, LLCS 2013:218-241

8

› Deserción – Avances recientes

• First year dropout in ICT Studies, Kori K. et. al., .EDUCON 2015, IEEE• Institutional Characteristics and College Student Dropout Risks: A Multilevel Event History Analysis ,

Chen R., 2012.9

› Deserción – Limitaciones

• University dropout: an Italian experience, Belloc F, Higher Education, 2010.• Institutional Characteristics and College Student Dropout Risks: A Multilevel Event History Analysis ,

Chen R., 2012.• Literature Review: Theories on Student Attrittion”. 123HelpMe.com, 2015

• Conclusiones en base a información puntual (casos) son utilizadas de manera general.

• Resultados de planes o políticas se miden sólo durante etapa piloto.

• No se analiza de secuencia de eventos.• Se asume que el contexto permanece constante.

10

› Minería de Procesos

• Process Mining Manifesto, Wil van der Aalst et. al. , Springer, 201211

› Discovery, Conformance, Enhancement

• Process Mining Manifesto, Wil van der Aalst et. al. , Springer, 201212

› Minería de Procesos – Avances en Educación

• CurriM, proyecto liderado por Mykola Pechenizkiy, cuyo objetivo fue desarrollar una herramienta que permitiera a los educadores hacer minería de procesos sobre información curricular. Estado: Descontinuado.

• Artículos que exploran posibles usos de minería de procesos en el contexto educacional.

• Casos de ejemplo de análisis de información de cursos online, en el contexto de formación profesional (MOOCs, entre otros).• Pechenizkiy M., Trcka N., De Bra P., Toledo P. CurriM: Curriculum Mining. EDM 2012: 216-217

• Process Mining in the Education Domain, A. Hicheur, IJAIS 2015: 219-232• Educational Process Mining – Different Perspectives, K. Latiha Devi, IOSR-JCE, 2014:57-60

13

PREGUNTA DE INVESTIGACIÓN

¿Cómo apoyar el diagnóstico que respalda las decisiones relativas a

la gestión curricular en educación superior, utilizando técnicas de minería de procesos?

15

SOLUCIÓN PROPUESTA

17

Análisis

Discovery

Conformance

Enhancement

> Integración de técnicas

• Propuesta de modelos genéricos para:• Organización multidimensional de información de gestión.

• Estructura de reportes/indicadores que permitan identificar situaciones clave a analizar (ejm: aspectos demográficos, deserción, retraso).

> Análisis de información

18

• Propuesta de modelos genéricos para:• Identificación y descripción de eventos.• Generación de logs de eventos.

• Utilización de técnicas para identificar patrones y cambio en éstos

• Plan de estudios “real”.• Conjunto de eventos previos que van incrementando la

probabilidad de abandono.• Efecto de programas de apoyo sobre sub-grupos de

estudiantes.

> Discovery

19

• Verificación de conformidad de secuencia de eventos en relación a:

• Reglamentos internos.• Restricciones externas.• Planes de estudios.

> Conformance

20

• Diseño de modelos de recomendación para decisiones recurrentes, por ejemplo:

• Inscripción de asignaturas• Asignación de profesores a cursos

• Apoyo al rediseño de planes de estudios.• Organización temporal.• Estructura de requisitos

• Diseño de programas de apoyo focalizados.

> Enhancement

21

LIMITACIONES DE LA SOLUCIÓN

•Estudios de casos se verán limitados por la disponibilidad de información (logs) en una ventana de tiempo amplia y que:• Abarque situaciones diversas.• Incluya información precisa de

información de contexto.

•Posibilidades de integración que provean las tecnologías seleccionadas.

23

ESTADO DE LA INVESTIGACIÓN

› Caso de Ejemplo – Beca Bicentenario UACh

• Obtención de datos anonimizados de Registro Académico y Beneficios (9200 estudiantes, 9 años).

• Implementación modelo multidimensional (ingreso, matrícula, beneficios, calificaciones, solicitudes). 25

› Caso de Ejemplo – Beca Bicentenario UACh

• Análisis de información, formulación y test de hipótesisCon Beca Bicentenario

Sin Beca Bicentenario

Promedio de cursos inscritos y reprobados por estudiante, por año de estudio

p < 0,01

26

› Caso de Ejemplo – Beca Bicentenario UACh

• Generación de log de eventos.

• Análisis del log utilizando process mining.

27

› Caso de Ejemplo – Tecnologías Utilizadas

28

› Plan de Trabajo

29

En síntesis … visibilizar los procesos reales, mejorar su comprensión y evidenciar su evolución en el tiempo.

30

MUCHAS GRACIAS!