Reto 5 Analítica de aprendizaje

Analítica de aprendizaje

En la normativa andaluza no aparecen definidos cuáles son los criterios para adjudicar un Premio extraordinario de Fin de Estudios en Enseñanzas Artísticas Superiores de Música. A nivel autonómico (Premio extraordinario de Trabajo de Fin de Grado) y a nivel de centro (Premio Extraordinario de Fin de Carrera) la única orientación es la calificación del TFG o la nota media en los estudios. El análisis de datos puede ayudar al centro, profesorado y alumnado, estableciendo unos criterios que le permitan ir elaborando un currículo durante sus estudios para poder optar a dicho Premio extraordinario. Enlace al dataset Reto 2: https://view.genially.com/67386bf58b2b4beee884ac83/interactive-content-dataset-premios-extraordinarios

Índice

Problemas por resolver

Técnicas de análisis

Privacidad y protección de datos

Problemas por resolver

Alumnado

• Recopilar, procesar y analizar la información relativa al rendimiento académico de los estudiantes.
• Analizar los hábitos de estudio y ensayo.
• Recopilar, procesar y analizar la información relativa al rendimiento artístico de los estudiantes.
• Evaluar de forma comparativa con otros estudiantes.

Conservatorio Superior de Música

• Desarrollar un cuadro de mando o dashboard para ayudar a la toma de decisiones en cuanto patrones de éxito.
• Desarrollar un sistema de alarmas para detección de posible alumnado aspirante a premio.
• Detallar la participación en actividades extracurriculares.

Profesorado

• Medir la validez de los instrumentos de evaluación utilizados con el alumnado.
• Análisis de feedback.

Técnicas de análisis

1. Análisis de rendimiento académico: Recopilación de notas y evaluaciones: El conservatorio puede almacenar los registros de calificaciones, informes de profesores y evaluaciones de los exámenes de cada estudiante, que son variables clave para identificar patrones de desempeño. El expediente académico reúne los créditos cursados, calificaciones, nota media. Análisis descriptivo: Se pueden usar métodos estadísticos básicos como la media, la desviación estándar y las distribuciones para identificar la tendencia general del rendimiento en asignaturas clave y en pruebas de interpretación y composición. Ayudarán a observar datos con menor sesgo. Análisis de la progresión temporal: Mediante el seguimiento de las notas y el rendimiento en el tiempo (por ejemplo, semestre a semestre), se pueden detectar mejoras o estancamientos y correlacionarlos con los métodos de enseñanza utilizados. Se puede incluir la evolución del repertorio interpretado durante los estudios. 2. Análisis de los hábitos de estudio y ensayo: Encuestas y cuestionarios: Recopilación de datos cualitativos sobre los hábitos de estudio, la cantidad de horas dedicadas al ensayo, las técnicas empleadas, y el tipo de música o repertorio trabajado. Análisis de correlación: Se pueden utilizar técnicas estadísticas, como la correlación o la regresión lineal, para explorar la relación entre el tiempo dedicado al estudio y las calificaciones obtenidas. Esto permitiría identificar si los estudiantes que invierten más tiempo en ensayo tienen un mejor desempeño o si existen otros factores determinantes. 3. Evaluación del rendimiento en conciertos y audiciones (rendimiento artístico): Análisis de grabaciones: Se podrían analizar grabaciones de audiciones o presentaciones en conciertos, utilizando herramientas de análisis de audio para identificar aspectos técnicos y musicales (como la afinación, el ritmo, la expresividad, etc.). Análisis cualitativo de la interpretación: Mediante el uso de algoritmos de análisis de texto y técnicas de clasificación, se podrían identificar las fortalezas y debilidades de las interpretaciones y sugerir áreas para mejorar.

4. Evaluación comparativa con otros estudiantes: Análisis de benchmarking: Se podrían realizar análisis comparativos entre los estudiantes que están optando al premio extraordinario, basándose en sus calificaciones y logros en exámenes, conciertos y otras actividades. Esto podría incluir la creación de modelos de rendimiento basados en el historial de otros estudiantes que han obtenido el premio en años anteriores. Análisis de clústeres: Esta técnica permite agrupar a los estudiantes en función de características similares, como rendimiento académico, estilo de interpretación, etc., con el fin de proporcionar recomendaciones personalizadas para cada grupo. 5. Detección de patrones y predicción de éxito a través de un panel de control: Modelos predictivos: Usando técnicas de aprendizaje automático (como regresión logística o redes neuronales), se pueden crear modelos que predigan las probabilidades de éxito de un estudiante en función de diferentes factores (por ejemplo, horas de ensayo, notas anteriores, habilidades en determinadas asignaturas, etc.). Análisis de series temporales: Esta técnica puede utilizarse para prever cómo se desarrollará el rendimiento de un estudiante en función de los datos históricos de su evolución a lo largo del tiempo, permitiendo ajustar los enfoques pedagógicos antes de los exámenes finales. 6. Análisis de feedback: Análisis de sentimientos: Mediante el análisis de texto, se pueden analizar los comentarios de los profesores y jurados sobre las interpretaciones, composiciones o presentaciones de los estudiantes. Esto puede ayudar a identificar patrones de fortalezas y debilidades en la ejecución. Minería de datos: Se pueden utilizar algoritmos para extraer temas recurrentes o áreas de mejora que puedan no ser evidentes a simple vista. 7. Participación en actividades extracurriculares: Análisis de participación en eventos: Evaluar la participación en conciertos, competiciones, talleres o cursos adicionales relacionados con la música. Este tipo de información puede ser útil para evaluar el compromiso y la dedicación del estudiante fuera del aula tradicional. Análisis de redes sociales y plataformas digitales: Si los estudiantes interactúan en plataformas de aprendizaje en línea o redes sociales, se pueden analizar sus interacciones y contribuciones (como las grabaciones de interpretaciones compartidas o debates académicos) para medir su nivel de involucramiento. Atlas, por ejemplo, genera categorías a partir de transcripciones de texto originadas por grupos focales.

Privacidad y protección de datos de carácter personal

Lorem ipsum dolor

Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod.

Lorem ipsum dolor sit

• Lorem ipsum dolor sit amet.
• Consectetur adipiscing elit.
• Sed do eiusmod tempor incididunt ut.
• Labore et dolore magna aliqua.