Anda di halaman 1dari 10

Analtica visual en e-learning

Diego-Alonso Gmez-Aguilar, Francisco-Jos Garca-Pealvo y Roberto


Thern
Diego-Alonso Gmez-Aguilar es doctorando en la Universidad de Salamanca. Su investigacin se
centra en la combinacin de la informtica, la inteligencia artificial, el diseo grfico, la analtica
visual, e-learning, los sistemas adaptativos, la ingeniera web y web semntica. Actualmente forma
parte del Grupo de Investigacin de Analtica Visual y Visualizacin de la Informacin (VisUsal) y
del grupo de investigacin Grial (Grupo de Investigacin en Interaccin y e-learning). Trabaja en el
anlisis visual de la informacin en Moodle.
http://orcid.org/0000-0003-1915-4758
dialgoag@usal.es

Francisco-Jos Garca-Pealvo es doctor por la Universidad de Salamanca y director del grupo de


investigacin Grial (Grupo de investigacin en Interaccin y e-learning). Sus principales intereses
de investigacin se centran en el e-learning, computadores y educacin, sistemas adaptativos,
ingeniera web, web semntica y reutilizacin de software. Ha dirigido y participado en ms de 15
proyectos de innovacin e investigacin. Fue Vicerrector de Innovacin Tecnolgica de la Universi-
dad de Salamanca, ha publicado ms de 100 artculos en revistas y conferencias internacionales y
revisor de varias revistas internacionales.
http://orcid.org/0000-0001-9987-5584
fgarcia@usal.es

Roberto Thern es doctor por la Universidad de Salamanca. Su investigacin se centra en la com-


binacin de campos como la informtica, la inteligencia artificial, la estadstica, el diseo grfico
y la visualizacin de datos como medio para la comprensin de datos complejos. Es director del
Grupo de Investigacin de Analtica Visual y Visualizacin de la Informacin (VisUsal) , dedicado al
desarrollo de herramientas avanzadas que ayudan a los usuarios a comprender conjuntos de datos
complejos provenientes de una variedad de campos. Ha participado y/o gestionado numerosos
proyectos de excelencia en los mbitos regional, nacional y europeo. Es autor de ms de 100 art-
culos publicados en revistas y conferencias internacionales.
http://orcid.org/0000-0001-6739-8875
theron@usal.es

Universidad de Salamanca. Facultad de Ciencias


Departamento de Informtica y Automtica
Plaza de los Cados, s/n. 37008 Salamanca, Espaa

Resumen
Las tecnologas utilizadas en los procesos de aprendizaje implican el registro de todas las actividades realizadas. Estos datos
se pueden aprovechar para la evaluacin de estudiantes, profesores y de los propios procesos. Sin embargo, aunque existe
esta gran cantidad de datos, sigue siendo difcil para los profesores (y otras partes interesadas) verificar hiptesis, extraer
conclusiones o tomar decisiones basadas en hechos o situaciones detectadas. Se presenta un modelo de anlisis de datos
educativos basado en analtica visual, analtica del aprendizaje y analtica acadmica. Por medio de una herramienta de
software permite realizar anlisis de datos exploratorios y confirmatorios, en interaccin con la informacin obtenida de un
sistema tpico de gestin de aprendizaje. El objetivo principal es el descubrimiento de nuevo conocimiento sobre el proceso
de aprendizaje educativo que, a su vez, posibilite la mejora de ste.
Palabras clave
Minera de datos educativa, E-learning, Realimentacin, Analtica del aprendizaje, Anlisis de redes sociales, visualizacin,
Analtica visual.

Title: Visual analytics in e-learning

Artculo recibido el 30-01-2004


Aceptacin definitiva: 21-04-2014

236 El profesional de la informacin, 2014, mayo-junio, v. 23, n. 3. ISSN: 1386-6710


Analtica visual en e-learning

Abstract
Current technologies used in e-learning processes require the logging of all activities performed. These data can be used
in the assessment of students, instructors and the processes themselves. However, although this wealth of data exists, it
is still difficult for those who teach (and interested stakeholders) to verify a hypothesis, extract conclusions, or make deci-
sions based on the facts or situations that are discovered. This paper introduces an educational data analysis model based
on visual analytics, learning analytics and academic analytics and using a software tool that allows performing confirma-
tory and exploratory data analysis through interaction with the information gathered from a typical Learning Management
System. The main goal is to enable the discovery of knowledge on the specific learning process that, in turn, will permit its
improvement.
Keywords
Educational data mining, Feedback, E-learning, Learning analytics, Inferring social network, Visualization, Visual analytics.

Gmez-Aguilar, Diego-Alonso; Garca-Pealvo, Francisco-Jos; Thern, Roberto (2014). Analtica visual en e-learning.
El profesional de la informacin, mayo-junio, v. 23, n. 3, pp. 236-245.
http://dx.doi.org/10.3145/epi.2014.may.03

La analtica en la educacin utilizado para este propsito. En la misma lnea, la sociali-


zacin y colaboracin tienen un papel clave en los procesos
La informtica y la tecnologa ubicuas han provocado una de aprendizaje (Brown; Adler, 2008). Junto a esto, existe
evolucin en la educacin hacia nuevos paradigmas de en- una fuerte evidencia de que en las actividades bien estruc-
seanza, concediendo a los usuarios acceso a aulas virtuales turadas, los procesos de construccin del conocimiento
y a bases de datos de conocimiento desde cualquier lugar alcanzan niveles superiores de pensamiento crtico, donde
y en cualquier momento. Como consecuencia, los procesos los estudiantes son capaces de establecer y sostener grupos
de aprendizaje estn en continua evolucin, apareciendo cohesivos. Esto justifica la necesidad del anlisis de redes
nuevos enfoques en la universidad hacia la docencia basa- sociales (del ingls, social network analysis, SNA) y de he-
da en medios electrnicos y sociales (Berlanga; Pealvo; rramientas que sean capaces de ofrecer en tiempo real an-
Sloep, 2010). lisis para los tutores y profesores (Bakharia; Dawson, 2011).
El anlisis de datos educativos no es nuevo; el trmino De acuerdo con Barry y Fulmer (2004), el grado en que otras
analtica acadmica (en ingls, academic analytics, AA) personas pueden recuperar y leer mensajes de un individuo
lo acuaron Goldstein y Katz (2005) definindolo como la puede afectar su uso. En el sistema de gestin de aprendi-
aplicacin de herramientas de inteligencia de negocios para zaje (en ingls, learning management system, LMS), Silva
el rea de aprendizaje. La principal aplicacin de la AA es la y Figueira (2012) describen un sistema listo para utilizarse
de ir ms all de un reporte simple de informacin y sugerir acoplado con un anlisis de contenido para rechazar men-
decisiones. A diferencia de la AA, donde se utilizan los datos sajes irrelevantes y recopilar mtricas de redes sociales.
capturados para tomar decisiones a nivel de institucin, el Las mtricas ayudan a obtener una mejor medicin de las
objetivo de la analtica del aprendizaje (en ingls, learning caractersticas de la red. Existen diversas aplicaciones que
analytics, LA), es el uso de estos datos y de cualquier otra tratan el anlisis de redes sociales desde diferentes tcnicas
observacin adicional de la que se pueda obtener informa- visuales, y no slo en el rea educativa, (Gonzlez-Teruel;
cin, para tener un impacto directo sobre los estudiantes, Andreu-Ramos, 2013; Van-Ham; Schulz; Dimicco, 2009;
los profesores y el proceso de aprendizaje (Long; Siemens, Vigas; Donath, 2004; Von-Landesberger; Grner; Schreck,
2011). 2009).
Por otra parte la analtica visual (en ingls, visual analytics,
Las herramientas de analtica visual hacen VA) es un rea emergente de la investigacin y su prcti-
posible obtener un modelo mental de da- ca tiene como objetivo apoyar el razonamiento analtico a
tos complejos y nuevo conocimiento travs de interfaces visuales interactivas (Thomas; Cook,
2006). En sta, la visualizacin se integra como ncleo y, en
conjunto con otras disciplinas cientficas, mejora la divisin
Siguiendo con el objetivo de mejora del aprendizaje, la mi- del trabajo entre el hombre y la mquina, combina el ra-
nera de datos educativos (en ingls, educational data mi- zonamiento analtico con visualizacin interactiva, es decir,
ning, EDM) es un campo que persigue un objetivo similar al representaciones visuales y tcnicas de interaccin (que ex-
de la LA. La EDM propone el uso de tcnicas como el anli- plotan las capacidades perceptivas del ancho de banda del
sis estadstico, aprendizaje automtico (del ingls, machine ojo humano para permitir a los usuarios ver, explorar y en-
learning), minera de datos, etc., para resolver los proble- tender grandes cantidades de informacin de forma simul-
mas de investigacin educativa y entender el entorno en el tnea), as como tcnicas de apoyo a la produccin, presen-
que los estudiantes aprenden (Baker; Yacef, 2009; Rome- tacin y difusin de resultados analticos que comuniquen
ro; Ventura, 2010). Entre estas tcnicas se encuentran las informacin en el contexto adecuado para una variedad de
regresiones (Agudo-Peregrina et al., 2014) como mtodo audiencias (Keim; Zhang, 2011).

El profesional de la informacin, 2014, mayo-junio, v. 23, n. 3. ISSN: 1386-6710 237


Diego-Alonso Gmez-Aguilar, Francisco-Jos Garca-Pealvo y Roberto Thern

1. Definicin de un modelo
de analtica visual en
e-learning
Al igual que con la mayora de las
reas de investigacin, la termi-
nologa que identifica y diferencia
EDM, AA y LA no es tan homog-
nea como sera deseable (Van-
Barneveld; Arnold; Campbell,
2012), sin embargo, las tres reas
tienen en comn, adems del ob-
jetivo de mejorar y comprender
el proceso de aprendizaje, la ne-
cesidad de una gran cantidad de
observaciones de dicho proceso.
Por otro lado, Siemens et al. plan-
tean que las comunidades de LA
y EDM tienen un solapamiento
Figura 1. Modelo terico de la visualizacin analtica en e-learning considerable (tanto en trmi-
nos de investigacin como en
sus investigadores), y que ambas
Las herramientas de VA hacen posible obtener un modelo comunidades creen firmemente en la realizacin de inves-
mental de los datos complejos y nuevo conocimiento (Keim tigaciones y aplicaciones que beneficien a los estudiantes,
et al., 2008; Thomas; Cook, 2005). El objetivo es ayudar a as como la mejora de las ciencias del aprendizaje; adems
los usuarios a descubrir las anomalas inesperadas y sor- plantean algunas diferencias entre estas comunidades (Sie-
prendentes, cambios de patrones y relaciones que luego mens; Baker, 2012); Siemens et al., 2011).
son evaluadas para desarrollar nuevas ideas (Cook; Earns-
Las tcnicas, mtodos y objetivos que diferencian e identifi-
haw; Stasko, 2007). En los ltimos aos, han sido aplicadas
can la LA de la EDM se encuentran mencionados y aplicados
algunas de las tcnicas basadas en el anlisis visual: Gibbs,
en diversas reas de la ciencia dentro del alcance de la VA,
Olexa y Bernas (2006) presentan un software que represen-
por tanto realizar una aplicacin de VA en el rea de la edu-
ta el esquema temporal de las relaciones en los debates;
cacin, ms que ser excluyente a la AA y a LA, las comple-
De-Laat utiliza mtodos del anlisis de redes sociales para
menta. La notable interseccin de estas reas y sus diferen-
estudiar la naturaleza de los patrones de interaccin dentro
cias da lugar al presente modelo de visualizacin analtica
de una comunidad de aprendizaje en red (De-Laat, 2007;
en e-learning (en ingls, visual e-learning analytics, VeLA).
Haythornthwaite; De-Laat, 2010). Por ltimo y ms cerca-
El presente trabajo considera la EDM y SNA como parte de
no al presente trabajo, Govaerts et al. (2012) presentan en
los mtodos, tcnicas e instrumentos tecnolgicos que se
paralelo un histograma y un diagrama de barras que eviden-
utilizan en VeLA. En la figura 1 se muestra como las reas de
cian las diferencias entre los datos.
LA y AA confluyen en un conjunto de objetivos e instrumen-
En el presente trabajo de investigacin se pretende mejorar tos tecnolgicos y cmo el rea de VeLA complementara y
la eficiencia del proceso de anlisis de aprendizaje. El obje- enriquecera el proceso de AA y LA (Chen et al., 2006; Keim;
tivo es proponer y validar un modelo que tome en cuenta Mansmann; Thomas, 2010; Keim; Zhang, 2011; Von-Lan-
tcnicas de analtica visual y la informacin existente en un desberger; Grner; Schreck, 2009), lo que se plantea como
LMS, con el fin de mejorar el proceso de LA y AA, sin olvidar contribucin del presente trabajo.
asegurar el xito y desarrollo de la asignatura. Para ello, a
El modelo de la figura 1 (VeLA) se basa en el modelo de re-
manera de comprobacin del modelo, se ha implantado un
ferencia de LA de Chatti et al. (2012), la teora del ciclo de
sistema y aplicado sobre un LMS para validar su expresivi-
LA de Clow (2012) y el proceso de la exploracin visual de
dad.
datos de Keim (Keim et al., 2010; Keim; Zhang, 2011), y ade-
ms toma en cuenta las restricciones y elementos del mo-
delo de dimensiones crticas de la LA de Greller y Drachsler
Tabla 1. Abreviaturas utilizadas en este trabajo (2012). Por tanto, la aportacin terica principal de la utili-
AA Analtica acadmica Academic analytics zacin de la VA en el rea de la educacin es que el proce-
LA Analtica del aprendizaje Learning analytics so de VeLA combina mtodos de analticas automticas as
como visuales exploratorias, que con una alta interaccin
VA Analtica visual Visual analytics
disponible para el usuario adoptan la finalidad de obtener
EDM Minera de datos educativos Educational data mining
nuevo conocimiento de los datos educativos.
LMS Sistema de gestin de aprendizaje Learning management system
Ben Shneiderman (1996) propuso un paradigma de la bs-
VeLA Visualizacin analtica en e-learning Visual e-learning analytics
queda de la informacin que ha sido extendido por Daniel

238 El profesional de la informacin, 2014, mayo-junio, v. 23, n. 3. ISSN: 1386-6710


Analtica visual en e-learning

Keim et al. (2008) para dar ms capacidad de anlisis en el Anlisis de redes sociales
bucle de antes y despus de la generacin de representa- - Realizar la comparacin de la estructura jerrquica de la
ciones visuales interactivas. Con stas, el usuario explora los plataforma y las relaciones que se crean entre las perso-
datos para ayudarse a extraer modelos abstractos a partir nas (foros y contribuyentes compartidos entre foros).
de conjuntos de datos que son demasiado grandes o dema- - Definir una herramienta grfica social que brinde la posi-
siado complejos para ser analizados de una manera directa, bilidad de encontrar la relacin directamente proporcio-
de tal forma que las preguntas del usuario se respondan y nal del desempeo de los estudiantes con la frecuencia de
se creen durante el ciclo de exploracin. Asimismo el pa- la lectura en los foros y/o recursos.
radigma de Keim, aplicado a la analtica educativa, puede - Ofrecer la posibilidad de ocultar elementos de la red so-
extenderse a un paso final, la intervencin, proporcionando cial a fin de ver ms claramente la estructura y la relacin
al ciclo analtico una retroalimentacin, quedando de la si-
de los elementos que interesen.
guiente forma:
Analyze first; Show the important; Zoom, filter and Mtricas estadsticas
analyze further; Details on demand, Intervention - Definir un sistema que permita mltiple seleccin de sub-
Este ciclo est representado en la figura 2 en la parte central conjuntos y/o el uso de diferentes categoras personali-
del proceso. Se muestra una visin general abstracta de las zadas de actividades, posibilitando diferenciarlas por su
diferentes etapas (representadas a travs de crculos) y sus coloracin con el objetivo de la identificacin de patrones.
transiciones (flechas) en el proceso de VeLA. Dentro de cada Adems de permitir generar un archivo con ellas posibili-
etapa se encuentran representadas las dos reas de la ana- tando la importacin y exportacin.
ltica en la educacin, la AA y LA, y su respectiva descripcin - Soportar mtodos de interaccin, como el filtro de bsque-
en cada etapa. Como se aprecia en el diagrama, el modelo da, ocultacin y reordenacin de las diferentes mtricas.
contempla distintos perfiles de usuario, la diferencia entre Con el fin de comprobar la utilidad y expresividad del mode-
stos es el objetivo y, por tanto, el tipo de informacin de lo y su aplicabilidad se ha implementado un sistema de soft-
su inters. ware de VeLA, como resultado de dos ciclos de investigacin-
Dado que el tipo de dato que se maneja para el anlisis tie- accin, en febrero de 2013 y 2014, basados en los trabajos
ne una temporalidad variable, una socializacin y una alta mencionados y en el modelo anteriormente descrito.
cantidad de actividades sin restriccin de tiempo o espacio, Estos ciclos tuvieron como realimentacin el cuestionario
este trabajo, con el fin de mejorar el reconocimiento de pa- realizado a los estudiantes del Mster Universitario en TICs
trones, aborda especficamente las siguientes necesidades y en Educacin de la Universidad de Salamanca (ver resultado
desafos en el proceso de VeLA: de las encuestas en figura 3). Este cuestionario consta de 30
preguntas sobre usabilidad, practicidad y eficiencia del siste-
Temporalidad
ma, expuesto a los 35 participantes.
- Analizar el contenido del curso de e-learning a travs del
tiempo y no slo un curso, sino tambin un campus o toda 2. Sistema de VeLA
una universidad. La propuesta est dedicada a la solucin del problema de
- Definir una representacin temporal compacta, a fin de anlisis de esa gran cantidad de informacin. El enfoque
encontrar patrones (en meses,
horas o semanas), a travs de
interaccin.
- Personalizar el anlisis por agru-
pacin de actividades, tiempo,
persona especfica y perfil.
Anlisis del contenido semn-
tico
- Determinar un diseo nube de
etiquetas que represente su evo-
lucin en el tiempo, en mltiples
niveles de detalle, equilibrando
as la coherencia semntica, de
contenido y la estabilidad espa-
cial de la visualizacin.
- Plantear un diseo compacto
para la legibilidad del tag cloud
de forma que la importancia o
la frecuencia y la evolucin en el
tiempo de una etiqueta se codi-
fiquen directamente en espacio
del tamao de la palabra. Figura 2. Proceso de analtica visual en e-learning

El profesional de la informacin, 2014, mayo-junio, v. 23, n. 3. ISSN: 1386-6710 239


Diego-Alonso Gmez-Aguilar, Francisco-Jos Garca-Pealvo y Roberto Thern

central, que en su forma


ms simple, no es ms que
una secuencia de eventos
codificados por colores.
Estos estn ordenados si-
guiendo las agujas del reloj,
colocando los datos ms
antiguos en el centro de la
espiral y los eventos ms
recientes ms alejados.
Cuenta con una tcnica vi-
sual para equilibrar detalle y
contexto en la visualizacin
de datos, que se conoce
como funcin de zoom se-
Figura 3. Promedio de las encuestas realizadas de los ciclos de investigacion. Los valores van de 1 al 5 , siendo 1 mntico (Modjeska, 1997)
una respuesta muy mala y 5 excelente.
o interfaces de mltiples es-
calas adems del tradicional
proporciona nuevos conocimientos tiles a travs de una zoom grfico o fsico. La distribucin de interfaz grfica, ms
herramienta de software eficiente que soporta el pre- all de la zona central donde se encuentra la espiral, se pre-
procesamiento de la informacin, anlisis, visualizacin e senta de la siguiente manera: los otros dos paneles propor-
interaccin. Adems, se utiliza de forma independiente de cionan vistas adicionales de los datos mostrados en la espiral,
la versin del LMS, y puede ser utilizada offline, online, en en la vista superior se dibuja de forma lineal, mostrando los
web o como aplicacin de escritorio. Est dirigida tanto a datos actuales seleccionados. En el lado derecho se encuen-
estudiantes, como profesores y acadmicos de una institu- tra una vista general (el contexto), que tambin incluye un
cin educativa. Los datos a los que el usuario puede acce- control deslizante para seleccionar el perodo del enfoque.
der dependen de los permisos que tenga en el LMS, y stos
pueden variar desde un curso hasta un campus universita-
rio completo. En este caso, ha sido adaptado para trabajar Se pretende descubrir y analizar los
con Moodle, tiene capacidad de exploracin y comparacin tiempos en los que la participacin del
usando cuatro tcnicas de visualizacin, basadas en lneas
de tiempo (Gmez-Aguilar; Thern; Garca-Pealvo, 2009),
usuario es ms representativa aplicando
nubes de etiquetas (Gmez-Aguilar et al., 2011) (Gmez- una lnea de tiempo en espiral
Aguilar; Garca-Pealvo; Thern, 2013a), coordenadas pa-
ralelas (Gmez-Aguilar; Garca-Pealvo; Thern, 2013b) y
grficos de redes sociales (Gmez-Aguilar; Thern; Garca-
Representacin de nube de palabras
Pealvo, 2013), y se describe a continuacin: La nubes de etiquetas proporcionan un medio para que los
usuarios se formen una impresin general del conjunto de
Lnea de tiempo en espiral los contenidos y la esencia de lo que se trata. Son una lista
Es una representacin visual interactiva que se utiliza para de las etiquetas que, por lo general se muestran en orden
analizar el uso de un LMS a travs
del tiempo. Su objetivo es propor-
cionar una representacin compac-
ta de la actividad global del LMS y
su aspecto global se puede observar
en la figura 4. Este punto de vista se
puede adaptar a las necesidades
del usuario, por lo que se pueden
explorar todos los datos temporales
disponibles o pasar de la vista gene-
ral al detalle (curso, persona, tiem-
po o actividad) de una persona o
actividad en un perodo de tiempo
determinados.
La visualizacin consta de tres pa-
neles visuales que proporcionan
diferentes vistas de datos. La re-
presentacin principal es la lnea
de tiempo en espiral, en la parte Figura 4. Representaciones de las coordenadas paralelas y la lnea de tiempo en espiral

240 El profesional de la informacin, 2014, mayo-junio, v. 23, n. 3. ISSN: 1386-6710


Analtica visual en e-learning

alfabtico y ponderadas vi-


sualmente dependiendo de su
popularidad. El tamao de las
etiquetas se corresponde con
su frecuencia de uso (figura 5).
La popularidad de una etique-
ta se expresa por el tamao de
la fuente (en relacin con las
otras etiquetas) y, por tanto,
se reconoce fcilmente (Has-
san-Montero; Herrero-Solana,
2006). A veces otras propieda-
des visuales, como color de la
fuente, intensidad o peso, tam-
bin se manipulan (Bateman;
Gutwin; Nacenta, 2008). Las
nubes de palabras pueden evo-
lucionar a medida que los da-
tos asociados cambian a travs Figura 5. Representaciones de las coordenadas paralelas y la nube de palabras/etiquetas. Se observa que
del tiempo. Esta necesidad de la etiqueta PRCTICA fue escrita al inicio del curso (expresado por la onda en azul sobre la palabra) y sin
embargo fue leda hacia el final del curso (expresado por la onda en rojo).
estudiar las tendencias y com-
prender cmo el contenido del
texto o temas evolucionan en un perodo temporal ha sido el tamao y el color de los iconos en la misma grfica. En la vi-
propsito de otras visualizaciones, por ejemplo los mini gr- sualizacin se implantaron como un nodo algunas entidades
ficos (Bongshin et al., 2010; Willett; Heer; Agrawala, 2007). codificadas segn se presenta en la figura 6.
Para transmitir mejor la evidencia del cambio a travs de ml-
tiples nubes de etiquetas, en esta propuesta se desarrolla un La posicin de cada elemento en el grfico se basa en una si-
nuevo tipo de etiqueta en la nube que integra, en si misma, mulacin de la fsica de las fuerzas que interactan entre los
un grfico de onda y grfico de barras (figura 5). nodos, generando atracciones y repulsiones entre s. Estas
fuerzas dependen del peso de los elementos y, a su vez, del
nmero de relaciones que cada uno de ellos tiene. Adems
El anlisis de la nube de palabras de los el tamao de estos conos depende de su grado de entrada
contenidos del foro pone en evidencia y salida y de su jerarqua de profundidad. Cabe mencionar
cules son los conceptos ms represen- que estos grados estn directamente relacionados con la
frecuencia de interaccin del usuario, repercutiendo direc-
tativos para los estudiantes o los recur- tamente en la distancia de los nodos hacia el punto central,
sos ms ledos, hilos y foros el curso; quedando ms alejados del nodo del curso los
nodos menos activos.

Esta visualizacin se adapta a las necesidades del usuario,


explorando todas las discusiones, foros, cursos y datos de
La visualizacin de la red social se utiliza
los usuarios disponibles, y pasando de la vista general al de- para representar el mapa de relaciones,
talle de una determinada persona, curso o discusin dentro con enlaces y frecuencias de actividades
de un perodo de tiempo. de los estudiantes y profesores
Adems habilitan al usuario tanto el zoom fsico como el
semntico. Cuando los usuarios utilizan el zoom semnti- Por otra parte, en la red social diferentes nodos se pueden
co, dependiendo del contexto, la herramienta selecciona el ocultar o cambiar de color, de forma individual o en grupo.
foro, comentarios y contenido relacionados con la palabra En el caso del nodo de las personas, hay tres tipos como se
seleccionada para su anlisis. puede ver en la figura 7: profesores (en azul), estudiantes
Anlisis de redes sociales (rojo a la izquierda y naranja en la parte derecha de dicha
figura). Adems, la red est dotada de funcin de bsqueda,
Aunque los usuarios de los LMS han construido estructuras un cuadro de texto en la base de la visualizacin.
masivas de conectividad social, las interfaces web tpicas de
estas construcciones sociales siguen siendo relativamente
pobres. Esto causa problemas a sus miembros para explorar
su comunidad en lnea y evaluar la escala y los individuos a los
que est expuesta su informacin personal de auto medicin
y auto reporte. La visualizacin de la red social se utiliza para
representar el mapa de relaciones, con enlaces y frecuencias
de actividades de los estudiantes y profesores, en funcin del Figura 6. Elementos de la red social

El profesional de la informacin, 2014, mayo-junio, v. 23, n. 3. ISSN: 1386-6710 241


Diego-Alonso Gmez-Aguilar, Francisco-Jos Garca-Pealvo y Roberto Thern

las herramientas aplicadas estn


orientadas a analizar y descubrir
las diferentes dimensiones de la in-
formacin: los tiempos en los que
la participacin del usuario es ms
representativa aplicando una lnea
de tiempo en espiral. Esto permite
definir los momentos ms impor-
tantes durante el curso acadmico
con el fin de introducir el nuevo
personal o herramientas, y propor-
ciona informacin sobre otros mo-
mentos con mayor y menor parti-
cipacin.

Adems, el anlisis de la nube de


palabras de los contenidos del foro
Figura 7. Representacin de las coordenadas paralelas y de la red social. pone en evidencia cules son los
conceptos ms representativos
Por ltimo, dado que se ha demostrado en otros estudios para los estudiantes o los recursos mas ledos, hilos y foros.
la relacin entre la frecuencia de la lectura y la escritura en Esta informacin hace posible tomar decisiones sobre la in-
los foros con el rendimiento de los estudiantes, y entre la clusin de nuevos temas, herramientas, actividades, y cun-
frecuencia de los recursos de lectura y el rendimiento de los do estos elementos ayudan a los estudiantes a comprender
estudiantes (Agudo-Peregrina; Hernndez-Garca; Iglesias- conceptos difciles.
Pradas, 2012; Lipponen et al., 2003), siguiendo esta idea a
travs del men contextual, el usuario puede ver la distri- La aplicacin de tcnicas de VA facilita la
bucin de los estudiantes en funcin de dichas relaciones toma de decisiones sobre cmo y dnde
(figura 7 a la derecha).
desplegar los recursos, permitiendo la
Representacin de las coordenadas paralelas optimizacin de los procesos de apren-
Son una forma comn de visualizar los datos de alta dimensin dizaje
en espacio limitado y permitir la exploracin de las tendencias
(Inselberg; Dimsdale, 1990). En Govaerts et al. (2012), as como
en el presente prototipo, los ejes verticales representan diferen- Por otra parte, en muchas actividades de aprendizaje la
tes mtricas, siendo cada estudiante una lnea horizontal pol- participacin se considera en la evaluacin del estudiante
gona; de igual forma para el caso
de los cursos, las mtricas seran
el promedio de uso de los estu-
diantes, el promedio de notas de
stos, el numero de foros, discu-
siones y posts, etc. (figura 8).
Los cuatro puntos de vista (nu-
bes de palabras, red social, lnea
de tiempo y coordenadas para-
lelas) estn interrelacionados.
Esto significa que, dado que
todos los puntos de vista son di-
ferentes maneras de transmitir
informacin, cuando el usuario
interacta con uno de ellos y
cambia la representacin, los
otros puntos de vista tambin
cambian dependiendo de la ac-
cin realizada originalmente.

3. Conclusiones
Figura 8. Representacin de las coordenadas paralelas. Se representa una vista global de un campus
Se han aplicado cuatro repre- completo de una universidad. Ntese a simple vista que con la ayuda de la transparencia en las lneas y
sentaciones para la informacin las tonalidades, se perciben las zonas donde se acumula mayor frecuencia (indicadas con crculos negros
sobre la imagen), ya sea de foros de un curso (segunda columna) o de posts de un usuario especfico
recuperada de los LMS en el (quinta columna) o de discusiones de un foro (tercera columna) a simple vista y sin haber realizado ninguna
sistema de VeLA. En concreto, interaccin.

242 El profesional de la informacin, 2014, mayo-junio, v. 23, n. 3. ISSN: 1386-6710


Analtica visual en e-learning

(por lo general con puntos adicionales por su intervencin). 29, n. 2, pp. 272-292.
Sin embargo, es difcil medir de manera eficaz esta interac- http://dx.doi.org/10.2307/20159033
cin, las visualizaciones de la red social son muy tiles en
Bateman, Scott; Gutwin, Carl; Nacenta, Miguel, (2008).
este sentido, proporcionando informacin sobre cules son
Seeing things in the clouds: the effect of visual features
los usuarios ms activos, las discusiones ms importantes,
on tag cloud selections. En: Proceedings of the nineteenth
los foros ms relevantes y el nivel de participacin en cada
ACM conference on Hypertext and hypermedia (Pittsburgh,
uno de ellos. En la visualizacin propuesta de la red social
USA), pp. 193-202.
se representa la distribucin de los estudiantes (figura 7 a
http://hci.usask.ca/publications/2008/fp039-bateman.pdf
la derecha) en funcin de la relacin entre la frecuencia de
http://dx.doi.org/10.1145/1379092.1379130
lectura y escritura en foros y recursos, proporcionando una
prediccin de su rendimiento y la posible nota del curso. Berlanga, Adriana J.; Pealvo, Francisco G.; Sloep, Peter B.,
Obviamente cuanto mayor sea la actividad global que se (2010). Towards e-learning 2.0 university. Interactive lear-
realice ms precisa ser la prediccin, posibilitando definir ning environments, v. 18, n. 3, pp. 199-201.
estrategias para mejorar la participacin de los estudiantes http://dx.doi.org/10.1080/10494820.2010.500498
teniendo en cuenta las experiencias anteriores y, por tanto,
Bongshin, Lee; Riche, Nathalie-Henry; Karlson, Amy K.;
su rendimiento.
Carpendale, Sheelagh (2010). SparkClouds: visualizing
Gracias a estos conocimientos, la aplicacin de tcnicas de trends in tag clouds. En: IEEE Transactions on Visualization
VA, que combina la representacin visual con una interac- and Computer Graphics, v. 16, n. 6, pp. 1182-1189.
cin sobre la visualizacin, en el rea de LA (como se descri- http://research.microsoft.com/EN-US/UM/REDMOND/
be en el modelo) ayuda sin duda a mejorar los cursos, pro- GROUPS/cue/publications/TVCG2010-SparkClouds.pdf
porciona informacin que de otro modo no sera conocida y http://dx.doi.org/10.1109/TVCG.2010.194
facilita la toma de decisiones sobre cmo y dnde desplegar
Brown, John-Seely; Adler, Richard P. (2008). Minds on fire:
los recursos, permitiendo la optimizacin de los procesos de
open education, the long tail, and learning 2.0. Educause
aprendizaje en la materia.
quarterly, v. 42, n. 6, pp. 16-32.
4. Agradecimientos http://www.educause.edu/ero/article/minds-fire-open-
education-long-tail-and-learning-20
Los autores agradecen el apoyo del Ministerio de Cien-
cia e Innovacin (proyectos FFI2010-16234 y TIN2010- Chatti, Mohamed-Amine; Dyckhoff, Anna-Lea; Schroeder,
21695-C02-01) y la Consejera de Educacin de la Junta de Ulrik; Ths, Hendrik (2012). A reference model for learning
Castilla y Len (proyecto SA294A12-2). analytics. International journal of technology enhanced
learning, v. 4, n. 5/6, pp. 318-331.
5. Bibliografa http://learntech.rwth-aachen.de/dl1139%7CCDST12_IJTEL.pdf
http://dx.doi.org/10.1504/ijtel.2012.051815
Agudo-Peregrina, ngel F.; Hernndez-Garca, ngel;
Iglesias-Pradas, Santiago, (2012). Predicting academic Chen, Chaomei; Ibekwe-SanJuan, Fidelia; SanJuan, Eric;
performance with learning analytics in virtual learning en- Weaver, Chris (2006). Visual analysis of conflicting opi-
vironments: a comparative study of three interaction clas- nions. En: IEEE Symposium on Visual Analytics Science And
sifications. En: International Symposium on Computers in Technology, pp. 59-66.
Education (SIIE), 29-31 Oct., pp. 1-6. http://fidelia1.free.fr/chen.pdf
http://dx.doi.org/10.1109/VAST.2006.261431
Agudo-Peregrina, ngel F.; Iglesias-Pradas, Santiago;
Conde-Gonzlez, Miguel ngel; Hernndez-Garca, ngel, Clow, Doug, (2012). The learning analytics cycle: closing
(2014). Can we predict success from log data in VLEs? Clas- the loop effectively. En: Proceedings of the 2nd Internatio-
sification of interactions for learning analytics and their re- nal Conference on Learning Analytics and Knowledge (Van-
lation with performance in VLE-supported F2F and online couver, Canada), pp. 134-138.
learning. Computers in human behavior, v. 31, pp. 542-550. http://oro.open.ac.uk/34330
http://dx.doi.org/10.1016/j.chb.2013.05.031 http://dx.doi.org/10.1145/2330601.2330636
Baker, Ryan S.J.D.; Yacef, Kalina, (2009). The state of edu- Cook, Kris; Earnshaw, Rae; Stasko, John (2007). Guest edi-
cational data mining in 2009: a review and future visions. tors introduction: discovering the unexpected. Computer
Journal of educational data mining, v. 1, n. 1. graphics and applications, Sep-Oct, v. 27, n. 5, pp. 15-19.
http://educationaldatamining.org/JEDM/index.php/JEDM/ http://dx.doi.org/10.1109/MCG.2007.126
article/viewFile/8/2
De-Laat, Maarten; Lally, Vic; Lipponen, Lasse; Simons,
Bakharia, Aneesha; Dawson, Shane, (2011). SNAPP: a Robert-Jan (2007). Investigating patterns of interaction in
birds-eye view of temporal participant interaction. En: networked learning and computer-supported collaborative
Proceedings of the 1st International Conference on Learning learning: a role for social network analysis. International
Analytics and Knowledge (Alberta, Canada), pp. 168-173. journal of computer-supported collaborative learning, v. 2,
http://dx.doi.org/10.1145/2090116.2090144 n. 1, pp. 87-103.
http://dx.doi.org/10.1007/s11412-007-9006-4
Barry, Bruce; Fulmer, Ingrid-Smithey (2004). The medium
and the message: the adaptive use of communication media Gibbs, William J.; Olexa, Vladimir; Bernas, Ronan S. (2006).
in dyadic influence. The academy of management review, v. A visualization tool for managing and studying online com-

El profesional de la informacin, 2014, mayo-junio, v. 23, n. 3. ISSN: 1386-6710 243


Diego-Alonso Gmez-Aguilar, Francisco-Jos Garca-Pealvo y Roberto Thern

munications. Journal of educational technology & society, Greller, Wolfgang; Drachsler, Hendrik (2012). Translating
v. 9, n. 3, pp. 232-243. learning into numbers: a generic framework for learning
http://www.ifets.info/journals/9_3/20.pdf analytics. Journal of educational technology & society, v.
15, n. 3, pp. 4257.
Goldstein, Philip J.; Katz, Richard N. (2005). Academic
http://www.ifets.info/journals/15_3/4.pdf
analytics: the uses of management information and tech-
nology in higher education. Educause Center for Applied Hassan-Montero, Yusef; Herrero-Solana, Victor (2006). Im-
Research, v. 8. proving tag-clouds as visual information retrieval interfaces.
https://net.educause.edu/ir/library/pdf/ers0508/rs/ En: I International Conference on Multidisciplinary Informa-
ers0508w.pdf tion Sciences and Technologies (Mrida, Spain), pp. 25-28.
http://www.yusef.es/improving_tagclouds.pdf
Gmez-Aguilar, Diego-Alonso; Conde-Gonzalez, Miguel-
ngel; Thern, Roberto; Garca-Pealvo, Francisco-Jos Haythornthwaite, Caroline; De-Laat, Maarten (2010). So-
(2011). Reveling the evolution of semantic content through cial networks and learning networks: using social network
visual snalysis. En: 11th IEEE International Conference on perspectives to understand social learning. En: Proceedings
Advanced Learning Technologies (ICALT) (6-8 July 2011), pp. of the 7th International Conference on Networked Learning
450-454. 2010 (2010).
http://dx.doi.org/10.1109/ICALT.2011.141 http://www.lancaster.ac.uk/fss/organisations/netlc/past/
nlc2010/abstracts/PDFs/Haythornwaite.pdf
Gmez-Aguilar, Diego-Alonso; Garca-Pealvo, Francisco-
Jos; Thern, Roberto, (2013a). Evaluacin visual de las Inselberg, Alfred; Dimsdale, Bernard, (1990). Parallel coor-
relaciones entre participacin de los estudiantes y sus resul- dinates: a tool for visualizing multi-dimensional geometry.
tados en entornos de e-learning. En: XV Simposio Interna- En: Proceedings of the First IEEE Conference on Visualiza-
cional de Tecnologas de la Informacin y las Comunicacio- tion, (23-26 Oct. 1990), pp. 361-378.
nes en la Educacin Conjuntamente con el Congreso Espaol http://www.ifs.tuwien.ac.at/~mlanzenberger/teaching/ps/
de Informtica (CEDI 2013). ISBN: 978 84 695 8362 3 ws04/stuff/auth/00146402.pdf?origin=publication_detail
http://grialdspace.usal.es:443/handle/grial/270 http://dx.doi.org/10.1109/VISUAL.1990.146402
Gmez-Aguilar, Diego-Alonso; Garca-Pealvo, Francisco- Keim, Daniel; Andrienko, Gennady; Fekete, Jean-Daniel;
Jos; Thern, Roberto (2013b). Tap into visual analysis of Grg, Carsten; Kohlhammer, Jrn; Melanon, Guy (2008).
the customization of grouping of activities in e-learning. En: Visual analytics: definition, process, and challenges. En:
Proceedings of the First International Conference on Techno- Kerren, Andreas; Stasko, John; Fekete, Jean-Daniel; North,
logical Ecosystem for Enhancing Multiculturality (Salaman- Chris (eds.) Information visualization, Springer Berlin Heide-
ca, Spain), pp. 253-259. lberg, pp. 154-175. ISBN: 978 3 540 70955 8
http://dx.doi.org/10.1145/2536536.2536575 http://hal-lirmm.ccsd.cnrs.fr/docs/00/27/27/79/PDF/
VAChapter_final.pdf
Gmez-Aguilar, Diego-Alonso; Thern, Roberto; Garca- http://dx.doi.org/10.1007/978-3-540-70956-5_7
Pealvo, Francisco-Jos (2009). Semantic spiral timelines
used as support for e-learning. Jornal of universal compu- Keim, Daniel A.; Kohlhammer, Jrn; Ellis, Geoffrey; Mans-
ter science (j-jucs), April, v. 15, n. 7, pp. 1526-1545. mann, Florian (2010). Mastering the Information age-sol-
http://dx.doi.org/10.3217/jucs-015-07-1526 ving problems with visual analytics. Florian Mansmann.
http://www.vismaster.eu/wp-content/uploads/2010/11/
Gmez-Aguilar, Diego-Alonso; Thern, Roberto; Garca- VisMaster-book-lowres.pdf
Pealvo, Francisco-Jos (2013). Reveal the relationships
among students participation and their outcomes on e-lear- Keim, Daniel A.; Mansmann, Florian; Thomas, Jim (2010).
ning environments: case study. En: IEEE 13th International Visual analytics: how much visualization and how much
Conference on Advanced Learning Technologies (ICALT) (15- analytics?. SIGKDD Explorations newsletter, v. 11, n. 2, pp. 5-8.
18 July 2013), pp. 443-447. http://dx.doi.org/10.1145/1809400.1809403
http://dx.doi.org/10.1109/ICALT.2013.136 Keim, Daniel; Zhang, Leishi (2011). Solving problems with
Gonzlez-Teruel, Aurora; Andreu-Ramos, Carolina (2013). visual analytics: challenges and applications. En: Proceedings
Investigacin del comportamiento informacional a travs of the 11th International Conference on Knowledge Manage-
del anlisis de redes sociales. El Profesional de la Informa- ment and Knowledge Technologies (Graz, Austria), pp. 1-4.
cin, v. 22, n. 6, pp. 522 - 528. http://bib.dbvis.de/uploadedFiles/343.pdf
http://eprints.rclis.org/20686/1/Gonza%CC%81lez-Teruel_ http://dx.doi.org/10.1145/2024288.2024290
Andreu-Ramos_2013.pdf Lipponen, Lasse; Rahikainen, Marjaana; Lallimo, Jiri; Hakka-
http://dx.doi.org/10.3145/epi.2013.nov.04 rainen, Kai (2003). Patterns of participation and discourse
Govaerts, Sten; Verbert, Katrien; Duval, Erik; Pardo, Abe- in elementary students computer-supported collaborative
lardo (2012). The student activity meter for awareness and learning. Learning and instruction, v. 13, n. 5, pp. 487-509.
self-reflection. En: CHI12 Extended Abstracts on Human Fac- http://dx.doi.org/10.1016/S0959-4752(02)00042-7
tors in Computing Systems (Austin, Texas, USA), pp. 869-884. Long, Phil; Siemens, George (2011). Penetrating the fog:
https://lirias.kuleuven.be/bitstream/123456789/343059/1/ analytics in learning and education. Educause review, v. 46,
sigchi2012-casestudy.pdf n. 5, pp. 30-32.
http://dx.doi.org/10.1145/2212776.2212860 https://net.educause.edu/ir/library/pdf/ERM1151.pdf

244 El profesional de la informacin, 2014, mayo-junio, v. 23, n. 3. ISSN: 1386-6710


Analtica visual en e-learning

Modjeska, David (1997). Navigation in electronic worlds: analytics. National Visualization and Analytics Center.
research review for depth oral Exam. University of Toronto. http://vis.pnnl.gov/pdf/RD_Agenda_VisualAnalytics.pdf
Department of Computer Science.
Thomas, James J.; Cook, Kristin A. (2006). A visual analytics agen-
Romero, Cristbal; Ventura, Sebastin (2010). Educational da. Computer graphics and applications, v. 26, n. 1, pp. 10-13.
data mining: a review of the state of the art. IEEE Transac- http://dx.doi.org/10.1109/MCG.2006.5
tions on Systems, Man, and Cybernetics. Part C: applications Van-Barneveld, Angela; Arnold, Kimberly, E.; Campbell,
and reviews, v. 40, n. 6, pp. 601-618. John, P. (2012). Analytics in higher education: establishing
http://dx.doi.org/10.1109/TSMCC.2010.2053532 a common language.
Shneiderman, Ben (1996). The eyes have it: a task by data http://qa.itap.purdue.edu/learning/docs/research/ELI3026.pdf
type taxonomy for information visualizations. En: Procee- Van-Ham, Frank; Schulz, Hans-Jrg; Dimicco, Joan M.
dings IEEE Symposium on Visual Languajes, pp. 336-343. (2009). Honeycomb: visual analysis of large scale social
http://dx.doi.org/10.1109/VL.1996.545307 networks. En: Proceedings of the 12th IFIP TC 13 Interna-
Siemens, George; Baker, Ryan S.J.d. (2012). Learning tional Conference on Human-Computer Interaction: Part II
analytics and educational data mining: towards communi- (Uppsala, Sweden), pp. 429-442.
cation and collaboration. En: Proceedings of the 2nd Inter- http://www.informatik.uni-rostock.de/~hs162/pdf/
national Conference on Learning Analytics and Knowledge interactpaper.pdf
(Vancouver, Canada), pp. 252-254. http://dx.doi.org/10.1007/978-3-642-03658-3_47
http://users.wpi.edu/~rsbaker/LAKs%20reformatting%20v2.pdf Vigas, Fernanda B.; Donath, Judith, (2004). Social net-
http://dx.doi.org/10.1145/2330601.2330661 work visualization: can we go beyond the graph. En: Work-
Siemens, George; Gasevic, Dragan; Haythornthwaite, Caroli- shop on Social Networks for Design and Analysis: Using Net-
ne; Dawson, Shane; Buckingham Shum, Simon; Ferguson, Re- work Information in CSCW 04 (Chicago, USA), pp. 6-10.
becca; Duval, Erik; Verbert, Katrien; Baker, Ryan S.J.d. (2011). http://wiki.commres.org/pds/CommunicationTheory/So-
Open learning analytics: an integrated & modularized platform. cialNetworkVisualization.pdf
Proposal to design, implement and evaluate an open platform Von-Landesberger, Tatiana; Grner, Melanie; Schreck, To-
to integrate heterogeneous learning analytics techniques. bias (2009). Visual analysis of graphs with multiple connec-
http://solaresearch.org/OpenLearningAnalytics.pdf ted components. En: IEEE Symposium on Visual Analytics
Silva, Andr; Figueira, lvaro (2012). Visual analysis of on- Science and Technology. VAST 2009 (12-13 Oct.), pp. 155-162.
line interactions through social network patterns. En: IEEE http://dx.doi.org/10.1109/VAST.2009.5333893
12th International Conference on Advanced Learning Tech-
Willett, Wesley; Heer, Jeffrey; Agrawala, Maneesh (2007).
nologies (ICALT) (4-6 July), pp. 639-641.
Scented widgets: Improving navigation cues with em-
http://dx.doi.org/10.1109/ICALT.2012.57
bedded visualizations. En: IEEE Transactions on Visualiza-
Thomas, James J.; Cook, Kristin A. (2005). Illuminating tion and computer graphics, v. 13, n. 6, pp. 1129-1136.
the path: the research and development agenda for visual http://vis.berkeley.edu/papers/scented_widgets

Da visibilidad a tu trabajo depositndolo en e-LIS,


el mayor repositorio internacional sobre biblioteconoma,
documentacin y comunicacin

http://eprints.rclis.org

El profesional de la informacin, 2014, mayo-junio, v. 23, n. 3. ISSN: 1386-6710 245