Estudio de rendimiento académico en Ingeniería Informática mediante técnicas de analítica del aprendizaje

Abstract

[ES] El análisis de rendimiento académico en cualquier centro educativo resulta de especial interés para las instituciones. Mediante el uso de técnicas de analítica del aprendizaje se busca encontrar patrones de comportamiento que permitan relacionar la nota final de cada una de las asignaturas con las variables disponibles en la base de datos. El estudio se centra en el Grado de Ingeniería Informática de la Universitat Politècnica de València. El dataset con el que se va a trabajar ha sido proporcionado por la propia universidad. Estos datos han sido anonimizados para proteger la privacidad de los alumnos. Además de contener la variable objetivo (nota final de la asignatura), cuenta con información de distinta naturaleza como pueden ser datos sociológicos (año de nacimiento, género, estudios de los padres, nota de acceso a la universidad), accesos a la red wifi de la universidad y variables que describen la interacción del estudiante con el site de la asignatura en PoliformaT, plataforma on-line de la universidad que sirve de soporte en los procesos de enseñanza y aprendizaje. El trabajo se centra en los datos referentes al curso académico 2021-2022. Se ha considerado que los cursos anteriores pueden verse afectados por la pandemia de COVID-19. Con el fin de poder hacer el análisis a lo largo del curso citado, cabe destacar que tanto los datos de presencia (accesos a la red wifi) como los de interacción con la plataforma, están recogidos mensualmente. Además de analizar los datos con el objetivo de relacionar la información que se tiene del alumnado con su rendimiento académico, se va a crear un dashboard que resuma de manera visual y clara la información más relevante. De esta manera, se facilita la comprensión de los datos para todo aquel que esté interesado. Para llevar a cabo el análisis de los datos se ha comenzado con un análisis descriptivo de los mismos. Además, se realiza un análisis de correlación con la finalidad de encontrar los patrones de comportamiento así como una regresión lineal y un análisis de clustering. Las herramientas principales para llevar a cabo este trabajo son Python y R. Un análisis de rendimiento en un solo curso académico no resulta de gran ayuda para predecir la probabilidad de abandono del estudiante, pero sí que puede ayudar en la identificación de fortalezas y debilidades en el aprendizaje del estudiante. Esto puede orientar el trabajo de los docentes en la planificación de la enseñanza. Los resultados del estudio intentan ayudar en la identificación de factores que tienen un mayor impacto en el rendimiento académico de los alumnos, contribuyendo a la hora de mejorar la calidad de la educación y apoyar el éxito académico de los estudiantes. Un análisis de este tipo colabora en el desarrollo de políticas educativas más efectivas y adaptadas a las necesidades del alumnado.

[EN] Academic performance analysis in any educational institution is of special interest to institutions. Through the use of learning analytics techniques, patterns of behavior are sought that allow the final grade of each subject to be related to the variables available in the database. The study focuses on the Computer Engineering Degree at the Polytechnic University of Valencia. The dataset to be worked with has been provided by the university itself. This data has been anonymized to protect the privacy of the students. In addition to containing the target variable (final grade of the subject), it includes information of different nature such as sociological data (year of birth, gender, parents' studies, university admission grade), access to the university's wifi network, and variables that describe the student's interaction with PoliformaT, the university's online platform that provides support in teaching and learning processes. The work focuses on data from the academic year 2021-2022. Previous courses have been considered to be potentially affected by the COVID-19 pandemic. In order to carry out the analysis throughout the cited course, it should be noted that both presence data (wifi access) and platform interaction data are collected monthly. In addition to analyzing the data with the objective of relating the information available about the students to their academic performance, a dashboard will be created that summarizes the most relevant information in a visual and clear way. This facilitates the understanding of the data for anyone interested. To carry out the data analysis, we began with a descriptive analysis of the data. In addition, a correlation analysis is being conducted to identify behavioral patterns, as well as linear regression and clustering analysis. The primary tools for this work are Python and R. A performance analysis in a single academic course is not very helpful in predicting the probability of student dropout, but it can help identify strengths and weaknesses in student learning. This can guide teachers in planning their teaching. The study results aim to help identify factors that have a greater impact on students' academic performance, contributing to improving the quality of education and supporting students' academic success. An analysis of this type helps develop more effective educational policies tailored to the needs of students.