Modelos para la mejora del rendimiento académico de alumnos de la E.S.O. mediante técnicas de minería de datos

Abstract

El objetivo principal de este trabajo es la búsqueda de la mejora del Rendimiento Académico (RA) de los estudiantes de la E.S.O. utilizando como herramienta de análisis la Minería de Datos (a partir de la información tanto académica, personal como la de los tests psicométricos) y siguiendo las pautas que nos marca la Didáctica desde un punto de vista que proporciona el Enfoque Onto-Semiótico (EOS). Este enfoque nos viene dado desde la Didáctica de las Matemáticas, pero puede ser adaptado a cualquier otra área (y así ha sido planteado). La idea que se pretende transmitir es la de proporcionar un sistema que detecte determinados elementos que sirvan a los departamentos didácticos para la mejora del proceso de instrucción y así del RA del alumno.

Se busca una mejora en el rendimiento de aquellos objetos (matemáticos o lingüísticos) usados por los alumnos en sus asignaturas a lo largo de la E.S.O., y que puedan afectar de forma colateral a su aprendizaje futuro en otras asignaturas de bachillerato o de la universidad.

De manera adicional y complementaria, se ha hecho uso de la Minería de Datos para la cual se ha necesitado un conjunto de datos que represente el campo de estudio. Además, y mediante el uso de estas técnicas (árboles de clasificación, cluster y reglas) se ha caracterizado el proceso de aplicación por los departamentos didácticos de determinadas acciones a los estudiantes. Para dichas acciones se han obtenido buenos predictores que han sido validados, apreciándose la influencia de lengua y matemáticas sobre el resto de asignaturas.

Como parte final, se ha procedido a construir un sistema de predicción que nos sirve como protocolo de asignación de una acción a un alumno por los departamentos Didácticos. Se han obtenido unas consecuencias de la aplicación del sistema predictivo haciendo uso de la noción de idoneidad didáctica según EOS sobre las reglas obtenidas, aportando una serie de indicadores. Estos indicadores nos dan información de las trayectorias didácticas del alumno, nos muestran si existe una dispersión en las trayectorias y si se hace necesario, reorientar las acciones realizadas por los Departamentos Didácticos, en el caso de que ésta sea alta para alguna de las Trayectorias Didácticas valoradas.

La principal aportación de esta tesis es la introducción del aprendizaje computacional para trabajar sobre la experiencia acumulada y obtener modelos con las técnicas de Minería de Datos. Estos modelos nos muestran el comportamiento de los estudiantes, permitiendo al profesor redirigir las aptitudes del alumno, tratando de evitar un posible fracaso. Asimismo, el uso de estas técnicas nos han proporcionado modelos descriptivos que permiten a los departamentos didácticos, explorar y comprender los datos iniciales e identificar patrones, relaciones y dependencias que impactan en los resultados finales de las evaluaciones. En definitiva, ayudarán en la toma de decisiones tácticas y estratégicas, proporcionando una herramienta de predicción interpretable para el profesor. The main objective of this study is to find ways to improve the Academic Performance (AP) of students at ESO (Secondary Education) through Data Mining (by drawing on the students’ personal and academic information as well as the results of psychometric tests) and in accordance with the didactic guidelines provided by the Onto-Semiotic Approach (OSA). While this approach is typically applied to research in Mathematics, it can be adapted to any other area of knowledge, as is suggested here. The idea behind this approach is to provide the different school departments with a set of tools to improve instruction and, in turn, the students’ AP. The aim is to improve the performance in the mathematical and linguistic objects that are used by students for all subjects throughout ESO and that may have a side effect on their learning at post-compulsory stages of their education, including college and university. To complement our analysis, we used Data Mining, which requires a set of data representing the scope of our study. Moreover, the use of these techniques (classification trees, cluster and rules) helped us to characterise the process of implementation of certain actions by the different school departments. For these actions have had good predictors that have been validated, appreciating the influence of language and mathematics on the other subjects.

The final part of this study focuses on the development of a predictive system that enables the different school departments to establish an intervention protocol for each case. The effects of implementing this predictive system have been analysed in terms of didactic suitability as defined by the OSA, which has resulted in a number of indicators. These indicators provide information about the students’ academic progress and, as stated above, allow the different school departments to redirect their actions, if necessary, to address a specific deviation.

The main contribution of this thesis would be the introduction of computational learning to make use of our expertise and Data Mining techniques to develop models that allow instructors to monitor the behaviour of their students and redirect their aptitudes to avoid a potential failure. Similarly, these techniques we have proporcionate descriptive models that enable the different school departments to explore and understand the initial data and to identify patterns, relationships and dependencies that have an impact on the students’ final results at the end of each term.

In short, they will assist in tactical and strategic decision-making and provide teachers with an interpretable predictive tool