Social learning analytics is an emerging discipline that provides new methods to explore data from social educational environments and a better understanding of the student behaviour. In this work we propose the discovery of interaction patterns that impact learning, as a result of the interpretation of social metrics calculated on the graph that models the interactions between students, between students and teachers, as well as between students and educational resources that support their learning. The general architecture of DIIA is presented, an environment oriented to support teachers who use formal and informal social networks in their teaching activities. The environment has an interface that allows the visualization and simple interpretation of the patterns detected. In particular, social metrics implemented and their suggested interpretation applied to discover patterns that impact learning in either a favourably or unfavourably way are presented.
El aprendizaje a través de la participación y la construcción social del conocimiento y
su significado, junto con el conocimiento de cómo ser miembro de una comunidad, son
aspectos esenciales de lo que se ha denominado aprendizaje en red. El aprendizaje en
red es aquel que se produce en el marco de un entramado de vínculos sociales
tecnológicamente mediados. Según [
Trabajos del análisis de redes sociales proporcionan los medios para abordar el análisis de la estructura de la red social, mientras que el análisis de contenido nos permite centrarnos en la naturaleza del vínculo [5]. Una metodología de investigación facetada como la realizada por [6] permite explorar cómo estas dos líneas de investigación se cruzan y se complementan. Si bien [6] miran a través de estas facetas (que representan diferentes tipos de interacciones como publicaciones abiertas, mensajes individuales, etc.), el uso de los medios sociales en relación con las pedagogías empleadas y las prácticas docentes, con el fin de evaluar e informar el diseño del aprendizaje a nivel macro (es decir del grupo de estudiantes), nuestro enfoque en este trabajo es cómo estas mismas facetas pueden ser útiles a nivel micro (es decir a nivel de cada estudiante). Centrados en las necesidades del docente de conocer oportunamente las situaciones de riesgo de sus estudiantes, es nuestro objetivo diseñar una herramienta que le ofrezca oportunidades de fortalecimiento de su estrategia pedagógica basado en las interacciones en las redes sociales de sus estudiantes. Para lograr este objetivo, en el proyecto DIIA [7] (Descubrimiento de Interacciones que impactan en el Aprendizaje) estamos realizando trabajo interdisciplinario con docentes, psicólogos e informáticos.
El proyecto DIIA del cual se describen los elementos esenciales en este trabajo, se orienta al desarrollo de una plataforma de software que permita a los profesores visualizar patrones de interacción y relacionarlos con los niveles de aprendizaje de forma centrada en el alumno independientemente de los espacios (Facebook, CREA, PAM) donde se generan los datos. Los patrones de estas interacciones son información crítica que ayuda a los docentes a tomar decisiones estratégicas para mejorar el rendimiento académico de los estudiantes. Estos patrones son descubiertos al aplicar métricas sociales sobre el grafo que modela las interacciones existentes entre estudiantes, entre los estudiantes y los docentes, así como entre los estudiantes y los recursos educacionales que apoyan su aprendizaje.
En la sección 2 se describe la arquitectura general de DIIA, resaltando los componentes que la integran. En particular, el modelado del grafo social, el cálculo de las métricas sociales y el análisis de sentimientos, así como la interpretación de su impacto en el aprendizaje son presentados en la sección 3. El componente de visualización es presentado con detalle en [8] en el que se describe la manera en que se proporciona al docente el acceso oportuno a la información relevante y se le apoya en el proceso de aprendizaje de sus alumnos para ayudarlos a diseñar estrategias de educación inclusiva. Finalmente, el estado actual y perspectivas del crecimiento de la plataforma se presentan en la sección 4.
La plataforma DIIA, está orientada a apoyar al docente aportándole conocimiento (información estratégica) sobre el desempeño de sus estudiantes y el impacto des sus interacciones en las redes sociales formales e informales. De esta manera puede tomar decisiones oportunas que favorezcan su aprendizaje. La Fig. 1 muestra la arquitectura general de la plataforma desarrollada, diseñada de tipo MVC (Model-View-Controller) para mantener la claridad de las funciones de cada componente y así fomentar la facilidad para mantener y escalar el sistema.
La plataforma DIIA puede alimentarse de los datos extraídos de diferentes plataformas educativas formales (como CREA2, PAM y Moodle) y de redes sociales (como Facebook), a partir de las cuales se construye el perfil del estudiante. Las plataformas formales aportan información demográfica y académica, así como cierto tipo de interacción social. Las redes sociales son el recurso adicional que los docentes pueden usar para fomentar la interacción informal y espontánea con sus estudiantes. El componente de extracción de datos incluye módulos especializados para cada tipo de fuente de datos y se ocupa de la extracción, limpieza y carga de los datos en la base de datos de DIIA. Esta base de datos es de gran volumen pues incluye la interacción social entre estudiantes, entre los estudiantes y los docentes, así como entre los estudiantes y los recursos educativos que los docentes colocan para fomentar el interés de los estudiantes, con materiales innovadores que enriquecen su experiencia de aprendizaje. Todos los datos son acumulados en la misma base de datos, para un mismo ciclo escolar, lo cual permite contar con un histórico sobre el cual se aplican las técnicas inteligentes de descubrimiento de patrones que permiten detectar situaciones de riesgo académico y/o oportunidades para estimular el interés de los estudiantes o bien influenciar positivamente su aprendizaje. En la primera etapa del proyecto, los datos son administrados en PostgreSQL, usando un conjunto de clases que definen el modelo de datos para la persistencia. Para acelerar el desarrollo se empleó ORM EBean, que realiza un mapeo objeto-relacional y administra las conexiones.
En el centro de la arquitectura se ubica el componente que implementa la lógica de la aplicación, brindando los servicios que son usados por el componente de visualización de la interfaz con el docente. Se trata de servicios REST que pueden ser fácilmente invocados por cualquier ambiente de desarrollo de interfaces de aplicaciones web y que serializa los datos usando el formato JSON como respuesta, logrando la compactación de datos y facilitando la integración con el front-end. Los servicios de la plataforma DIIA incluyen: descubrimiento de patrones de interacción usando métricas sociales, análisis de sentimientos, consulta de datos y administración (altas, bajas, cambios de las principales entidades del ambiente). En particular, el cálculo de las métricas sociales se realiza invocando librerías especializadas de GraphStream. En la siguiente sección se describen con mayor detalle los mecanismos usados para representar las interacciones en un grafo, calcular las métricas sociales e interpretarlas para descubrir los patrones que pueden impactar el aprendizaje de los estudiantes.
Finalmente, el componente de visualización pone a disposición del docente y del director de la escuela un conjunto de funcionalidades diseñadas para permitir detectar de manera innovadora, rápida y sencilla, los casos que requieren de atención especial como aislamiento (posible depresión), dificultad de aprendizaje, intimidación (bullying), agentes de comunicación estratégica (influencia positiva y/o negativa en la opinión), etc., detectados a partir del análisis de la interacción de los estudiantes en medios sociales. Los servicios de consulta y actualización están también disponibles a través de la interfaz tanto para el usuario de tipo director y/o técnico administrativo. 3
En esta sección se presenta una descripción del grafo construido a partir de las interacciones producidas en las redes formales e informales, así como las métricas aplicadas para la búsqueda de patrones de interacción entre distintos actores y materiales educativos en el proceso de enseñanza. En específico, se muestra cómo se modelaron los vértices y aristas del grafo de interacciones y se describen las técnicas propuestas para minar dicho grafo tomando en cuenta su topología, el tipo de información almacenada y una interpretación semántica. 3.1
La extracción de información valiosa o relevante a partir de las distintas interacciones
asociadas con un curso o de cualquier proceso de interacción social [9] son una tarea
difícil de abordar, debido a los distintos tipos de comunicaciones existentes entre los
participantes en un curso, así como a la cantidad de información generada. Para poder
detectar patrones a partir de las interacciones generadas en las redes sociales, se
propone el uso de una representación basada en grafos [
Como ejemplo del grafo anteriormente descrito, en la Fig. 2 puede observarse un
ejemplo del modelado de un curso, tomando en cuenta los distintos tipos de vértices y
aristas propuestos. Considerando las propiedades del grafo propuesto, se pueden
apreciar las siguientes características distintivas:
─ Existen distintos tipos de vértices que representan a las instancias más comunes en
un curso. Dependiendo del valor de un vértice con respecto a una medida de
centralidad (sección de métricas de centralidad), el tamaño de éste cambiará (entre
mayor la centralidad, más grande el vértice).
─ Las aristas presentes en el grafo pueden identificar las distintas interacciones, como
un mensaje entre estudiantes o una reacción de un estudiante a un recurso educativo
(lectura, video, ejercicio, etc.) propuesto para el curso. El grosor de estas aristas
estará determinado por el número de interacciones del mismo tipo, existentes entre
los nodos.
─ La dirección de las aristas en el grafo representa el orden de la relación entre las
entidades, por ejemplo, la arista: estudiante → material representa el acceso de un
estuiante a un contenido del curso.
─ La etiqueta asociada a cada arista describe el tipo de dicha interacción entre dos
entidades en el grafo.
Las métricas de centralidad de grafos [
| |−1 ∑ , ≠ ( , ) Donde | | es el número total de vértices en un grafo y ( , ) es el número de caminos más cortos del vértice al vértice . • Centralidad de intermediación (betweenness centrality): Es una medida del grado en que un vértice está en el camino más corto entre otros dos vértices en el grafo. Esta centralidad se calcula de la siguiente manera:
( , ) ( ) = ∑ , ≠ ( , ) Donde ( , ) es el número de caminos más cortos del vértice al vértice que pasan a través del vértice y ( , ) es el número de caminos más cortos del vértice al vértice . •
importancia o influencia de cada vértice en el grafo. La suposición de esta métrica es que cada medida de centralidad sobre un vértice es la suma de las medidas de centralidad de los vértices que están conectados a éste. Para calcular esta métrica se debe obtener antes una matriz clásica de adyacencia al grafo llamada = ( , ). Teniendo dicha matriz se puede calcular la centralidad de vector propio de la siguiente manera: (1) (2) ( ) = 1⁄ ∑ ∈ ( ) , ( ) (3) Donde ( ) es el conjunto de vecinos del vertice y es una constante que representa el más grande eigenvalor relacionado con la métrica de centralidad. • Excentricidad (eccentricity): La excentricidad no es una medida de centralidad, pero sirve para detectar la distancia máxima desde un vértice hacia cualquier otro vértice en un grafo siguiendo los caminos más cortos presentes en la estructura. 3.3
Además de estudiar los patrones topológicos presentes en las distintas interacciones
entre los principales actores de un curso, otra importante herramienta para entender el
comportamiento social de estudiantes y docentes es el análisis de sentimientos [
Para la plataforma DIIA se desarrolló un clasificador de textos supervisado [
El grafo de interacciones propuesto en la sección anterior permite explotar y detectar patrones de interacción entre docentes, estudiantes y los distintos materiales educativos, de una manera intuitiva y relativamente fácil de implementar utilizando las distintas métricas de centralidad y el análisis de sentimientos. Para que los patrones descubiertos sean fácilmente visualizados y usados como apoyo en la toma de decisiones, se propuso dar una interpretación semántica de los resultados, la cual se muestra en la Tabla 1. Estas interpretaciones son reflejadas de manera gráfica a través del tamaño de la entidad y/o el grosor del arco que une a las entidades.
Tabla 1. Interpretación de las técnicas de minado del grafo y análisis de contenido.
(alto valor)
Excentricidad
Estudiantes → Estudiante
Docente → Estudiantes lEols DEostcuednitaenitnesteractúa frecuentemente con Estudiante → Docente cEoln EelstDudoicaennttee interactúa frecuentemente Estudiante → Material EElstMudaitaenrtieasl tiene un gran impacto entre los Estudiante → Estudiantes cEolnEosttruodsiaEnstteudeiasnateltsamente comunicativo Docente → Estudiantes lEolsDEosctuednitaenetsesaltamente comunicativo con Estudiante → Docente cEolnEssutuDdoiacnetnetees altamente comunicativo Estudiante → Material cEulrEsostudiante usa varios materiales del
El Estudiante tiene mayor alcance en la Estudiante − Estudiantes difusión de mensajes hacia los demás Estudiantes Docente − Estudiantes EDsotcuedniatentqeuse tiene alta influencia hacia los
El Estudiante es influyente por la Estudiante − Estudiantes intensidad de su interacción con otros
Estudiantes Docente − Estudiantes dEel sDuoicnetnerteacecsióinnfcluoyneonttreospoErstluadiinatnetnessidad Estudiante − Estudiantes iEnlfoErsmtuadciiaónnteenetrseeosttrroastéEgsictuodpiaanratesdifundir Docente − Estudiantes fEolrDmoacceiónnteenetsreessutrsatEésgtiucdoiapnarteasdifundir inEstudiante −Estudiantes EEsltEusdtiuadnitaenste tiene baja interacción con los Docente − Estudiantes EEsltuDdoicaenntetes tiene baja interacción con sus
En este artículo se presenta una forma novedosa de detectar patrones de interacción que
impactan el aprendizaje, aportando una interpretación semántica de las métricas
sociales al aplicarlas sobre los grafos que modelan las interacciones estudiante-estudiante,
estudiante-docente y estudiante-recurso educativo. Los patrones detectados no son
visibles con técnicas tradicionales de análisis estadístico y su visualización a través de
grafos facilita al docente la detección de casos que requieren de su intervención para
mejorar las condiciones de aprendizaje de sus estudiantes. De esta manera, se propone
cómo las métricas sociales y el análisis de sentimiento aportan un enfoque novedoso a
la analítica del aprendizaje social. Un primer prototipo de la plataforma DIIA ya está
disponible y se inició su evaluación sobre datos preliminares de cursos impartidos en
el CERP de Colonia, Uruguay. Considerando los avances logrados, así como los retos
existentes, como trabajo futuro se propone:
• Probar la plataforma desarrollada sobre un conjunto más amplio de datos
proveniente de diferentes plataformas para los mismos cursos y realizar una evaluación
cualitativa y cuantitativa de los resultados producidos.
• Ampliar las métricas o técnicas de minería de grafos [
La investigación que da origen a los resultados presentados en la presente publicación recibió fondos de la Agencia Nacional de Investigación e Innovación bajo el código FSED_2_2016_1_130712.