Upload
juan-fernandez
View
302
Download
1
Embed Size (px)
Citation preview
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!