Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

CcITA 2010

719 views

Published on

Using iPLEs to create a Collective Intelligence based on Data Mining and Social Network Analysis

Published in: Technology, Travel
  • Be the first to comment

CcITA 2010

  1. 1. + Using iPLEs to create a Collective Intelligence based on Data Mining and Social Network Analysis Oskar Casquero , Javier Portillo, Ramon Ovelar, Jesus Romo y Manuel Benito Universidad del País Vasco / Euskal Herriko Unibertsitatea
  2. 2. + Tabla de contenidos   Inteligencia colectiva en el marco universitario   La arquitectura   La explotación de la información   Caso de uso   Conclusiones y Trabajo futuro
  3. 3. + Inteligencia Colectiva en el marco universitario   La Inteligencia Colectiva (IC) surge de la colaboración y concurso de muchos individuos con objeto de:   …tomar decisiones consensuadas   …cooperar en un proceso para alcanzar un rendimiento intelectual mejorado (Tom Atlee)   …evolucionar a un orden mayor de complejidad y armonía, “la máquina que aprende” (Howard Bloom)   …aceptar y desarrollar cualquier contribución potencialmente útil de cualquier miembro (George Pór)   La Universidad, como conglomerado de conocimientos individuales, es un marco idóneo para generar IC
  4. 4. + Inteligencia Colectiva en el marco universitario   ¿Qué tipo de respuestas o aportaciones esperamos obtener para un miembro de la comunidad universitaria?:   Recomendaciones sobre usuarios y recursos   Identificar recursos y usuarios en función de su popularidad en un determinado ámbito   Visualización de mi actividad y de la actividad de la comunidad   Estudio de patrones como método para la identificación de comunidades, evaluación del proceso formativo, investigación…
  5. 5. + La arquitectura: PLE   PLE (Personal Learning Environment) es un entorno centrado en el individuo y que incluye la gestión de toda herramienta, servicio, contenido, evidencia y persona involucrada en su proceso de aprendizaje   PLE es el artefacto digital pensado para conducir el aprendizaje a lo largo de la vida (life-long learning) y generar el e-portfolio   PLE tiene necesariamente una dimensión social.   La perspectiva social del aprendizaje (conectivismo, constructivismo social o aprendizaje situado) se manifiesta a través de las capacidades del PLE para comunicarse, colaborar y compartir conocimiento con otros   PLE hereda patrones exitosos extraídos de la Web 2.0:   Modelo centrado en el usuario para el control proactivo de los datos y su nivel de acceso   Modelo centrado en la comunidad en cuanto a la gestión de los datos públicos (folksonomías, repositorios)
  6. 6. + La arquitectura   Pero…   ¿de dónde proceden los datos a procesar?   ¿como conseguir la participación de los usuarios?   ¿cómo realimentamos a los usuarios con los resultados?   ¿cuáles son y cómo se generan las redes o comunidades participantes?   La infraestructura que de soporte a la abstracción de la IC debe tener:   Nodos. Cada miembro de la comunidad es un nodo, con su propia idiosincrasia, que genera y consume información  iPLE   Conexiones entre nodos. Cada miembro de la comunidad se relaciona, en base a intereses diversos, con grupos de personas:   … fijados por la institución (dptos, asignaturas, grupos de investigación)  iSN   … elegidos por el usuario tanto dentro como fuera de la institución  uSN   Learn-streaming. Conjuntos de recursos digitales generados y consumidos por cada nodo. Se comparten con las nodos para las que sean relevantes
  7. 7. + La arquitectura: iPLE   iPLE (institutional PLE)   Porque la institución debe guiar una parte del proceso de aprendizaje   Porque no todos los estudiantes pueden construir su PLE desde cero   Porque la institución debe aglutinar conocimientos individuales y devolverlos con un valor añadido a sus miembros y a la sociedad   Porque provee a cada usuario sólo con la información relevante para él   Porque es la manera de combinar las relaciones predefinidas en la institución (iSN) y las generadas por cada usuario (uSN)   Porque permite prolongar la relación entre egresados e institución
  8. 8. + La arquitectura: iPLE Un artefacto que ofrece a los usuarios la posibilidad de reunir las iSN y uSN
  9. 9. + La arquitectura: Learn-streaming Learn Streaming: conjuntos de recursos digitales generados y consumidos por cada nodo. Se comparten con las redes para las que sean relevantes
  10. 10. + La explotación de la información   Herramientas que permiten procesar la información y convertirla en conocimiento:   Minería de Datos. Extracción de conocimiento procesable implícito en las fuentes de información (learn-streaming y grafo social de todos los usuarios)   Análisis de Redes Sociales. Influencia del todo en las partes y viceversa; efecto de la acción individual en la red; estructura de las redes; relaciones del individuo:   Redes sociocéntricas / egocéntricas   Redes personales   Redes dinámicas (estudios longitudinales)   como lo son en el aprendizaje a lo largo de la vida
  11. 11. + Caso de uso: settings (1)   2 cursos puramente virtuales para estudiantes de grado   más de 140 estudiantes procedentes de 9 universidades (G9)   grupos de trabajo de 5/6 miembros   actividades prácticas basadas en la resolución de problemas   En cada curso:   Grupo de control: la mitad de los estudiantes en Moodle   Grupo experimental: la otra mitad en un iPLE basado en iGoogle (página de inicio) y FriendFeed (learn-streaming)   iGoogle: pestaña con todos los gadgets   FriendFeed: autoconfiguración de la iSN del grupo
  12. 12. + Caso de uso: settings (1) FriendFeed iGoogle
  13. 13. +
  14. 14. + Caso de uso: settings (2)   Intervención: SNA sobre la red de iPLEs   objetivo: tener en cuenta la estructura de red social subyacente a la hora de crear los grupos de trabajo   proceso:   recolectar datos durante la primeras actividades individuales   procesar los datos mediante un script propio en python que realiza un clustering basado en Pearson.   resultados:   creación automática de grupos de trabajo en el iPLE   sugerencia de los temas sobre los que trabajar   En Moodle los grupos se crean de forma tradicional
  15. 15. + Caso de uso: objetivos   H1: las intervenciones que tienen en cuenta la estructura de la red social subyacente son más eficientes que aquellas que no tienen en cuenta este aspecto   Analizar si los grupos de trabajo creados en el iPLE mediante SNA tienen un mejor rendimiento que aquellos creados de forma aleatoria en Moodle   H2: devolver feedback basado en resultados de SNA influye positivamente en los resultados de aprendizaje   examinar si el feedback en el iPLE mejora el rendimiento individual en comparación con la falta de feedback en Moodle
  16. 16. + Conclusiones y Trabajo futuro   La arquitectura esbozada en esta presentación se detalla en:   Casquero, O., J. Portillo, R. Ovelar, M. Benito, and J. Romo. Forthcoming. iPLE Network: an integrated eLearning 2.0 strategy from University's perspective. Interactive Learning Environments 18, no. 3.   La aplicación de data-mining y análisis de redes sociales sobre esta arquitectura se desarrollará en el marco de:   Proyecto UPV/EHU concedido: “Redes Sociales para la Mejora del Aprendizaje Permanente” (hasta enero de 2012)   Participación de CVB como EPO en MAVSEL: “Mining, Data Analysis and Visualization based on Social models in E- Learning” (solicitado a MICIN)   Análisis longitudinal ó dinámico, no sólo foto estática

×