Learning analytics para predecir la deserción de estudiantes a distancia

Abstract

Los datos que se generan como producto del trabajo de los estudiantes en un entorno virtual tienen el potencial de convertirse en información valiosa para la toma de desiciones y para anticiparse en el tiempo y prevenir la deserción. En esta investigación se explora un conjunto de esos datos en una universidad de Ecuador cuyos estudiantes realizan sus estudios en modalidad a distancia. Se aplican métodos multivariantes y se obtiene un conjunto reducido de variables con las que se predice la deserción. El artículo abarca el desarrollo de un modelo predictivo aplicando regresión logística, los resultados muestran que las variables relacionadas al acceso a un entorno virtual, la participación en foros y la subida y descarga de recursos educativos son las que determinan una portencial deserción

The data generated as a result of the work of students in a virtual environment has the potential to become valuable information for decision making and prevent dropout. In this research a set of data is analyzed in a distance learning Ecuadorian university. Multivariate methods are used to obtain a reduced set of variables which predicts students dropout. The article covers the development of a predictive model using logistic regression; the results show that the variables related to access to a virtual environment, participation in forums and upload and download educational resources are determinants of dropout