Curso Aprendizaje máquina

MOOC de Aprendizaje Máquina en la Universidad de Stanford (MOOC).

Stanford: Machine learning

Stanford: Machine learning

Logré terminar mi primera práctica con bastante éxito sobre Octave (versión abierta de Matlab).  Para ir más rápido, instálate  un buen entorno de programación (el Octave de la UPM  va muy bien para resolver el ejercicio, pero no sirve para enviarlo, lo cual se resuelve usando el Octave GNU estándar ). Para las personas que no estén «en forma» con el cálculo matricial recomiendo revisar los 4 primeros capítulos del manual del prof. Peña de Análisis Multivariante (ver biblioteca), que cubre todo lo que piden, y os permitirá validar los algoritmos con sus ejemplos de datos (están en su web) .

El curso no limitaba mucho los requisitos de acceso (suele suceder en los MOOC’s). Particularmente,  creo que les va a resultar de extrema dificultad a todas aquellas personas que no tengan un nivel de álgebra matricial y análisis matemático superado de primero de  carrera universitaria, y con ello, conocimientos básicos de programación (al menos en matlab u octave). Y mucho tiempo para las prácticas…

Redes de contenidos?

Similitudes entre todos los módulos de un itinerario en Moodle.

Similitudes entre todos los módulos de un itinerario en Moodle.

¿Cómo puede afrontar una universidad o escuela de negocios la reutilización de trozos de itinerarios formativos on-line ya empaquetados en SCORM? ¿Se puede “de-construir” un itinerario para reutilizar solo algunos módulos o capítulos? En esta ponencia (Kyle Goslin and Markus Hofmann)   han desarrollado un generador automático de estructuras en árbol (con Moodle), incluyendo los metadatos: esto permite visualizar similitudes entre contenidos de los distintos itinerarios, y así tomar decisiones de qué itinerarios vale la pena deconstruir (hoy día es una tarea bastante costosa), para elaborar otros nuevos con esos micro-módulos.

Aprendizaje y Redes Sociales

Map_egonet1El Análisis de Redes Sociales aplicado al aprendizaje 2.0 se está convirtiendo en un requisito básico si se desea aumentar la eficiencia de este enfoque en la educación.

El tradicional enfoque de Analítica de Aprendizaje donde los datos se estructuraban solo en <individuos> y <atributos> se amplía en este caso, añadiéndole datos de <relaciones>. Los individuos pueden ser profesores, alumnos, científicos, jefes de estudio, … La identificación de relaciones puede ayudar a clasificar por intereses comunes, similitudes, relaciones sociales, interacciones y flujos de intercambio de información que permitirán a los profesionales del aprendizaje encontrar respuestas a la pregunta: “¿Cómo afectan al aprendizaje los patrones de relaciones?”.

Si quieres iniciarte en ello: http://adaptive-training.com/analizar-redes/

EDM: Aplicaciones

VENTURA SOTO, Sebastián

Minería aplicada a un Foro de discusión.

Buena panorámica de VENTURA SOTO, Sebastián. » Minería de Datos en sistemas educativos«,  hablando de las técnicas, el estado del arte y las tendencias en su aplicación al entorno educativo en estos ámbitos, entre los que destaco el enfoque de las instituciones educativas:

Mejora de la eficiencia del sitio web y adaptación de este a los hábitos de sus usuarios:

  • – Tamaño de servidor óptimo
  • – Distribución de tráfico en la red

Organización de los recursos institucionales:

  • – Diseño de horarios
  • – Adquisición de material

Mejora de la oferta educativa:

  • – Programas orientados a demanda
  • – Orientación de alumnos en base a Objetivos y  Capacidades

Interesante el compendio de herramientas que nos invita a probar.

Minería en Redes Sociales

Comunidades_CSIC

Descubriendo comunidades dentro de una Red.

A finales de abril 2013 terminé un interesante curso abierto de la Universidad de Michigan sobre Análisis de Redes Sociales que me ha enseñando las grandes posibilidades que proporciona la teoría de redes (grafos) y su analítica a una serie de problemas de minería de datos, muchos aplicables a educación. Al respecto recomiendo Introducción al Análisis de Redes Sociales,  (Instituto de ingeniería del conocimiento):   http://www.iic.uam.es/pdf/Intro_to_SNA_ES.pdf . En ella se describen los indicadores más habituales, y  aplicaciones como la detección de comunidades dentro de una red, la predicción de conexiones, el comportamiento en cascada o la identificación de líderes de opinión y expertos. Merece la pena ir a su web, y ver sus trabajos relacionados con la «Evaluación de Competencias» y el «Desarrollo de Competencias» profesionales.

 

Si quieres introducirte en este apasionante tema, puedes empezar en Analiza Redes.

Comportamiento en eLearning

Este trabajo me ha llamado la atención porque hace el esfuerzo en utilizar Minería de Datos Educativos sin parámetros, acercándola  al usuario profesional de la formación eLearning que no necesariamente sea un experto en análisis multivariante.

GARCIA SAIZ, Diego dirigido por Zorrilla Pantaleón, Marta E., de la Univ. de Cantabria es del congreso EDM de 2011 (http://eprints.pascal-network.org/archive/00009098/01/Trabajo_Master_Matematicas_y_Computacion_-_Diego_Garcia_Saiz.pdf)  compara en el estudio diferentes técnicas generadoras de reglas (utilizando algoritmos para generar reglas de asociación) que facilitan al profesor la identificación del comportamiento del estudiante durante el aprendizaje eLearning, concluyendo que el algoritmo más eficiente es el creado  por José Luis Balcázar (Balcázar, 2011. Tenemos una obra suya en la biblioteca de este site) en su herramienta Yacaree para generar reglas de asociación sin necesidad de introducir parámetros iniciales.

En la segunda parte del trabajo (ya de nivel avanzado) hace un estudio de clasificadores y de construcción de algoritmos de meta-predicción :

Tabla-GARCIA-SAIZ

La conclusión sobre los clasificadores es interesante pues si bien no detecta especiales ventajas de un algoritmo sobre otro en cuanto a la clasificación obtenida, sí resalta uno por su sencillez de interpretación y manejo para usuarios no expertos: el J48.

Termina el estudio con el estudio de meta-predictores y sus combinaciones.

Creo que merece la pena la reflexión sobre la facilidad de interpretación y uso. Mejorando el conocimiento del comportamiento del estudiante mejoraremos las técnicas de Formación Adaptativa.

Barak Obama y el Educational Data Mining

El Ministerio de Educación (Department of Education) de Barak Obama publicó este estudio poco antes de las elecciones (Octubre 2012) donde se describe y se invita a todos los profesionales del sector educativo a seguir estas directrices para la mejora  de la educación del siglo XXI con la aplicación de tecnologías como la Analítica del Aprendizaje (Learning Analytics) y el Data Mining Docente (Educational Data Mining), pasando también por un enfoque sistemático de formación adaptativa (adaptive training).
barack-obama-twitter-townhall-campaign

El comunicado introduce estas tecnologías de manera divulgativa. Las definiciones van acompañadas de abundantes ejemplos tecnológicos (algo de Sponsoring?)

, así como ejemplos de qué se puede esperar de ellas y directrices para su aplicación: Me parece un compendio introductorio muy práctico ( www.ed.gov/technology ).

Sin embargo, el reelegido presidente no solo recomienda estas tecnologías para la formación: Dio ejemplo de innovación en su campaña electoral para mejorar la comunicación del mensaje que quería transmitir segmentando su audiencia con absoluta maestría (véase ejemplo ). Y en España, ¿alguien impulsa tan claramente desde nuestros Ministerios estas tecnologías?

Qué es la Minería de Datos Educativos

El aumento de entornos de aprendizaje on-line, incluidos los servicios de bibliotecas web, proporciona una magnífica fuente de datos sobre el comportamiento de los usuarios en este campo. La minería de datos (Web Mining) proporciona interesantes herramientas que permiten investigar patrones de uso de documentos y servicios web, para así mejorar no solo el diseño instruccional, sino la forma en que ponemos a disposición del estudiante web los recursos formativos, tanto formales (dentro de estándares de seguimiento de contenido, como el SCORM o el AICC) como informales (repositorios de contenidos en diversos formatos).

La mejor página web de Minería de Datos Educativos (está en inglés) es http://www.educationaldatamining.org/. He publicado un post que explica más en detalle cómo la minería de datos educativos puede mejorar la educación en el blog «A un clic de las TIC».

¡Anímate a «bajar a la mina de datos educativos» y prueba las herramientas!