Uso de la metodología CRISP-DM para guiar el proceso de minería de datos en LMS

Abstract

La minería de datos educativos (MDE) es una disciplina emergente orientada al desarrollo de nuevos métodos y técnicas para explorar datos que provienen de contextos educativos. Las bases de datos educativas almacenan gran cantidad de información, la misma que está siendo infrautilizada tanto por docentes, estudiantes e instituciones. Esto ocurre en vista de que los sistemas de gestión de aprendizaje (Learning Management Systems, LMS) como Moodle no disponen en su entorno de herramientas específicas de análisis de datos. Esta limitación no permite realizar un seguimiento minucioso del desempeño de los estudiantes y evaluar a fondo sus actividades de aprendizaje. En este artículo se propone la utilización de la metodología Cross Industry Standard Process for Data Mining (CRISP-DM), como guía para el proceso de análisis de datos de estudiantes de ingeniería en sistemas de computación e informática, en un entorno de aprendizaje que combina educación en línea y presencial. Se propone aplicar secuencialmente varias técnicas de minería de datos sobre los registros de un LMS para reforzar la medición del desempeño académico de los estudiantes.

The Educational data mining is an emerging discipline oriented to the development of new methods and techniques to explore data coming from educational contexts. The educational databases store large amounts of information being underused by both teachers, students and institutions. This occurs because the Learning Management System (LMS) like Moodle, do not have in their platform specific data analysis tools. This limitation does not allow close monitoring of student performance and thoroughly evaluate their learning activities. This article discusses the use of the methodology Cross Industry Standard Process for Data Mining (CRISP-DM), to guide the process of data analysis of engineering students in computer systems and computer science, proposed in a learning environment that combines online and classroom education. It is proposed to apply sequentially several data mining techniques on the records of a LMS to strengthen the measurement of academic performance of students.