Los sesgos de elección al rescate de la retención en los MOOCs
DOI:
https://doi.org/10.30827/profesorado.v24i3.8274Resumen
Luego del éxito de los MOOCS en los últimos años, la baja retención, pone en duda su efectividad. La presente investigación analiza los datos de diferentes MOOCs con los objetivos de determinar los estudiantes y MOOCs con perfiles desertores y encontrar patrones de estudiantes finalizadores, a través de distorsiones de la realidad (sesgos). Se utilizó la técnica de estratificación y predicción, árbol de decisión de tipo CHAID (Chi-square automatic interaction detector). Los resultados indican que las variables interés por el certificado, sesgos de elección y edad son las que mejor predicen los perfiles de los estudiantes desertores. Para el caso de los perfiles de los cursos que favorecen la deserción; la duración del MOOC, los sesgos de elección, la cantidad de módulos y el número de profesores muestran el curso con mayor probabilidad de abandono. Los mayores predictores en el interés el certificado final se encuentran descritos por los estudiantes con estudios de licenciatura y del área de interés de negocios. Contrario a lo esperado, se encontró como mayor predictor de la deserción el número incremental de preguntas a lo largo de las diferentes evaluaciones durante el MOOC. La discusión presenta estrategias pedagógicas que benefician directamente la supervivencia de los MOOCs.
Descargas
Citas
Adamopoulos, P. (2013, Diciembre ). What Makes a Great MOOC? An Interdisciplinary Analysis of Student Retention in Online Courses. Paper presented at the Thirty Fourth International Conference on Information Systems, 1–21.Milan, Italy.
Angelino, L. M., Williams, F. K., & Natvig, D. (2007). Strategies to engage online students and reduce attrition rates. Journal of Educators Online, 4(2), 1-14. Recuperado de https://files.eric.ed.gov/fulltext/EJ907749.pdf
Amaya, M., & Alvarez, M. V. (2015, Diciembre). Beneficios de los MOOC en la Educación Superior. Memorias del Encuentro Internacional de Educación a Distancia. Guadalajara, México. Recuperado de http://www.udgvirtual.udg.mx/remeied/index.php/memorias/article/view/75/105
Breiman, L., Friedman, J.H., Olshen, R.A., & Stone, C.J. (1984). Classification and regression trees. Monterey, CA: Wadsworth and Brooks-Cole
Berge, Z. L., & Huang, Y. P. (2004). 13: 5 A Model for Sustainable Student Retention: A Holistic Perspective on the Student Dropout Problem with Special Attention to e-Learning. Doesnews (online), 13(5). Recuperado de www. researchgate.net/profile/Zane_Berge/publication/237429805
Cormier, D., & Siemens, G. (2010). Through the open door: Open courses as research, learning, and ! engagement. Educause, 45 (4), 30-39. Recuperado de https://er.educause.edu/~/media/files/article-downloads/erm1042.pdf
Chyung, S. Y. (2004, Junio). Hoping to reduce attrition? Follow the SIEME model and investigate motivation-hygiene factors. In Distance Teaching & Learning conference. Madison at the 20th Annual conferene on distance teaching and learning, Madison, WI, EU.
Evans, S., & Myrick, J. G. (2015). How MOOC instructors view the pedagogy and purposes of massive open online courses. Distance Education, 36(3), 295-311. doi: 10.1080/01587919.2015.1081736
Fernández-Ferrer, M. (2017). Democratizando la educación a nivel mundial:¿ Ficción o realidad? El papel de los cursos en línea masivos y abiertos. Revista profesorado.21(2), 445-457.
Ferschke, O., Yang, D., Tomar, G., & Rosé, C. P. (2015, June). Positive impact of collaborative chat participation in an edX MOOC. Trabajo presentado en International Conference on Artificial Intelligence in Education, 115-124. doi: 10.1007/978-3-319-19773-9_12
Furse, D., Punj. G., & Stewart, D. (1984). A typology of individual search strategies among purchasers of new automobiles. Journal Consumer Research, 10(4), 417-43. doi: 10.1086/208980
Gamage, D., Fernando, S., & Perera, I. (2015, August). Quality of MOOCs: A review of literature on effectiveness and quality aspects. In Ubi-Media Computing (UMEDIA), 2015 8th International Conference on (pp. 224-229). IEEE. doi: 10.1109/UMEDIA.2015.7297459
Gené, O. B., Núñez, M. M., & Blanco, Á. F. (2014, Octubre). Gamification in MOOC: Challenges, Opportunities and Proposals for Advancing MOOC Model. In Proceedings of the Second International Conference on Technological Ecosystems for Enhancing Multiculturality. New York, EU.doi: 10.1145/2669711.2669902
Gomez-Zermeño, M., & Alemán De la Garza, L. (2016). Research Analysis On Mooc Course Dropout And Retention Rates. Turkish Online Journal of Distance Education-TOJDE . 17(2), 3-11.
Greene, JA, Oswald, CA, y Pomerantz, J. (2015). Predictors of Retention and Achievement in a Massive Open Online Course. American Educational Research Diario, 52,925-955. doi: 10.3102/0002831215584621
Gütl, C., Chang, V., Hernández Rizzardini, R., & Morales, M. (2014). Must we be concerned with the Massive Drop-outs in MOOC? - An Attrition Analysis of Open Courses.(561533-EPP-1-2015-1-ES-EPPKA2- CBHE-JP). En memorias del International Conference of Interactive Collaborative Learning, ICL2014. Recuperado de http://www.mooc-maker.org/wp-content/files/WPD1.6_INGLES.pdf
Gütl, C., Rizzardini, R. H., Chang, V., & Morales, M. (2014). Attrition in MOOC: Lessons Learned from Drop- Out Students. In Learning Technology for Education in Cloud-MOOC and Big Data: Third International Workshop (Vol. 446, pp. 37–48). doi:10.1007/978-3- 319-10671-7_4
Hone, K. S., & El Said, G. R. (2016). Exploring the factors affecting MOOC retention: A survey study. Computers & Education, 98, 157-168. doi: 10.1016/2016.03.016
Jordan, K. (2014). Initial trends in enrolment and completion of massive open online courses Massive Open Online Courses. International Review of Research in Open and Distance Learning, 15(1), 133-160. doi: 10.19173/15i1.1651
Kahneman, D., & Tversky, A. (1981). The framing of decisions and the psychology of choice. Science, New Series, 211 (4481), 453-458. doi: 0.1126/science.7455683
Kahneman, D. (2003). Mapas de racionalidad limitada: Psicología para una economía conductual. Revista Asturiana de Economía, 28(5), 182-225.
Kullgren, J., Troxel, A., Loewenstein, G, Asch, D., Norton, L., Wesby, L, Tao, Y., Zhu, J., & Volpp, k. (2013). Individual vs. Group-Based Incentives for Weight Loss: A Randomized, Controlled Trial. Ann intern Med., 158(7), 505-514. doi: 10.7326/0003-4819-158-7-201304020-00002.
Liu, M., Kang, J., Cao, M., Lim, M., Ko, Y., & Weiss, A. S. (2013). Understanding MOOCs as an Emerging Online Learning Tool: Perspectives From the Students. In E-Learn: World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education (pp. 2008–2015). Recuperado de https://www.learntechlib.org/p/115173
Loewenstein, G., Leslie, J., & Volpp, K. (2010, 10 de mayo). Aprender de los errores de los consumidores para ayudarles a tomar mejores decisiones. Harvard Deusto business review. (190), p. 31-38. Recuperado de https://s3.amazonaws.com/academia.edu.documents/30784522/Aprender_de_los_errores_de_los_consumidores_para_ayudarles_a_tomar_mejores_decisiones.pdfAWSAccessKeyId=AKIAIWOWYYGZ2Y53UL3A&Expires=1541180330&Signature=lHCefhXRxgmgTFPJSX1bU6k2IZs%3D&response-content-disposition=inline%3B%20filename%3DAprender_de_los_errores_de_los_consumido.pdf
Martín, E. L., Casas, E. E., Molina, E. C., & Muñoz, I. A. (2018). ¿ Qué nos dice PISA sobre la enseñanza y el aprendizaje de las ciencias? Una proximación a través de árboles de decisión= What does PISA tell us about the teaching and learning of sciences? An approach through decision trees. Revista de educación, (382), 133-162. doi: 10.4438/1988-592X-RE-2018-382-395
Nagrecha, S., Dillon, J. Z., & Chawla, N. V. (2017, April). MOOC dropout prediction: lessons learned from making pipelines interpretable. In Proceedings of the 26th International Conference on World Wide Web Companion (pp. 351-359). International World Wide Web Conferences Steering Committee. doi:10.1145/3041021.3054162
Ortega, J. L. (2015). Diferencias y evolución del impacto académico en los perfiles de Google Scholar Citations: Una aplicación de árboles de decisión. Revista Española de Documentación Científica, 38(4), 102. doi:10.3989/2015.4.1225
Park, J. H. (2007). Factors Related to Learner Dropout in Online Learning. Proceedings of the 2007 Academy of Human Resource Development Annual Conference, 25(1), 1–8. doi:/10.1016/j.sbspro.2013.06.100
Rosé, C. P., Carlson, R., Yang, D., Wen, M., Resnick, L., Goldman, P., & Sherer, J. (2014, March). Social factors that contribute to attrition in MOOCs. Poster presentado en the first ACM conference on Learning@ scale conference (pp. 197-198). doi: 10.1145/2556325.2567879
Rovai, A. P. (2003). In search of higher persistence rates in distance education online programs. Internet and Higher Education, 6 (1),1-16. doi:10.1016/S1096-7516(02)00158-6
Shah, A.,& Alter., A. (2014). Consuming experiential categories. Journal of consumer research, 41(12), 965-977. doi: 10.1086/677893
Shmueli, G., Bruce, P. C., Yahav, I., Patel, N. R., & Lichtendahl Jr, K. C. (2017). Data mining for business analytics: concepts, techniques, and applications in R. New Yersey, EU : Ediorial John Wiley & Sons.
Topîrceanu, A., & Grosseck, G. (2017). Decision tree learning used for the classification of student archetypes in online courses. Procedia Computer Science, 112, 51-60. doi: 10.1016/2017.08.021
Thaler, R. & Benartzi, S. (2004). Save More Tomorrow : Using Behavioral Economics to Increase Employee Saving. Journal of Political Economy,112, 164-187. doi: 10.1086/380085
Ulrich, C., & Nedelcu, A. (2015). Moocs in our university: Hopes and worries. Procedia-Social and Behavioral Sciences, 180, 1541-1547. doi: 10.1016/j.sbspro.2015.02.304
Yang, D., Wen, M., Howley, I., Kraut, R., & Rose, C. (2015, marzo). Explorar el efecto de confusión en los foros de discusión de mooc. In Proceedings of the second (2015) ACM conference on learning@ scale (pp. 121-130). doi: 10.1145/2724660.2724677
Yousef, A. M. F., Chatti, M. A., Schroeder, U., & Wosnitza, M. (2014, July). What drives a successful MOOC? An empirical examination of criteria to assure design quality of MOOCs. In Advanced Learning Technologies (ICALT), 2014 IEEE 14th International Conference on (pp. 44-48). IEEE. doi: 10.1109/ICALT.2014.23
Zambrano, J., Cano, L., & Presiga, K. (2017). Virtualidad y MOOC desde la perspectiva de estudiantes universitarios. Virtualidad, Educación y Ciencia, 8(15), 106-119. Recuperado de https://revistas.unc.edu.ar/index.php/vesc/article/view/18961
