Application of learning analytics and educational data mining in an institution of superior education in Colombia

Authors

DOI:

https://doi.org/10.22395/rium.v19n36a4

Keywords:

Knowledge discovery processes, educational data mining, learning analytics, decision taking, descriptive processes, predictive processes

Abstract

Nowadays, data is a key element for the continuous improvement of an organization’s decision-taking, achieved through the application of awareness and knowledge processes by undergoing a pre-processing, transformation and analysis over the data. The academic field is aware of this kind of application and
is a trend for the exploitation of data generated by the students, its management and academics dependencies on a daily basis in order to continuously improve the processes.


Current methodologies propose two different guidelines: Learning Analytics (LA), primarily focused on descriptive processes, and Educational Data Mining (EDM) for predictive processes, directing activities adjusted to this environment for obtaining satisfactory results. It is for this reason that this article presents
an application of these two guidelines in a higher education institution, focusing them on sensitive data of the students that will support the high direction decision-taking in these institutions. 

Downloads

Download data is not yet available.

Author Biographies

Johnny Alexander Salazar Cardona, Institución Universitaria EAM

Profesor de planta de la Institución Universitaria EAM, adscrito a la facultad de Ingeniería y director del grupo de investigación IngeSoft. Ingeniero de Sistemas y Computación, con Maestría en Ingeniería Computacional de la Universidad de Caldas (Manizales). Se ha desempeñado como desarrollador de software en diferentes empresas y entidades, como LCWeb Consultores (2012), New Shore (2013), y la Universidad de Caldas enfocado al desarrollo de sistemas de información web, académico y a la detección de Cáncer de Cérvix ce mama (2014). Adicionalmente se ha desempeñado como analista de datos en diferentes proyectos, enfocado al área académica, gubernamental, bioinformática y arqueológica. Ha sido conferencista en varios eventos nacionales, enfocados al análisis de grandes volúmenes de datos en bases de datos relacionales y entornos Open Data. Autor – coautor de diferentes artículos científicos nacionales e internacionales y libros enfocados a la minería de datos aplicando análisis descriptivos y predictivos en las áreas de los proyectos anteriormente mencionados. 

Jorge Iván Triviño Arbelaez, Universidad del Quindio

Magister en Ingeniería de la Universidad EAFIT, Ingeniero de Sistemas de Universidad del Quindío, se desempeña actualmente como Docente e investigador de la Universidad del Quindío en Colombia desde 2007 y docente de la institución universitaria EAM desde el 2009,
centrando su enseñanza e investigación en el área de programación y en especial en Bases de datos, inteligencia de negocios, visualización y minería de datos.
ha orientado cursos introductorios en la maestría en ingeniería con énfasis en Software de la Universidad del Quindío, asimismo, jurado y asesor de tesis de dicho posgrado.

References

[1] G. Siemens and R. Baker, “Learning Analytics and Educational Data Mining: Towards Communication and Collaborationâ€, ACM. Proceedings of the 2nd International Conference on Learning Analytics and Knowledge, Vancouver, British Columbia, Canada, pp. 252-254, 2012.

[2] L. F. Cote Peña, “Hábeas Data en Colombia, un trasplante normativo para la protección de la dignidad y su correlación con la NTC/ISO/IEC 27001â€, Magíster en Derecho, Facultad de Derecho, División de Ciencias Jurídicas y Políticas, Universidad Santo Tomás Seccional Bucaramanga, Bucaramanga, Colombia, 2016.

[3] J. Vásquez Velásquez, E. Castaño Vélez, S. Gallón Gómez, and K. Gómez Portilla, “Deter-minantes de la desercion estudiantil en la Universidad de Antioquiaâ€, Facultad de ciencias econimicas. Centro de investigaciones economicas, Universidad de Antioquia, p. 43, 2003.

[4] U. Fayyad, G. Piatesky-Shapiro, and P. Smyth, Advances in knowledge discovery and data mining. Masachussetts: MIT Press, 1996.

[5] U. Fayyad, G. Piatesky-Shapiro, and P. Smyth, “From data mining to knowledge discovery in databasesâ€, IA Magazine, vol. 17, n.° 3, pp. 37-54, 1996.

[6] U. Fayyad, G. Piatesky-Shapiro, and P. Smyth, “The KDD process for extracting useful knoledge from volumes of dataâ€, Communications of the ACM, vol. 39, pp. 27-34, 1996.

[7] P. J. Goldstein and R. N. Katz, “Academic Analytics: The Uses of Management Information and Technology in Higher Educationâ€, ECAR Research Study, vol. 8, 2005.

[8] D. G. Oblinger and J. P. Campbell, “Academic Analyticsâ€, EDUCAUSE White Paper, 2007.

[9] D. Norris, L. Baer, J. Leonard, L. Pugliese, and P. Lefrere, “Action Analytics: Measuring and Improving Performance That Matters in Higher Educationâ€, EDUCAUSE, vol. 43, 2008.

[10] M. Amine Chatti, A. Lea Dyckhoff, U. Schroeder, and H. Thüs, “A reference model for learning analyticsâ€, Int. J. Technology Enhanced Learning, vol. 4, pp. 318-331, 2012.

[11] M. Anoopkumar and R. Zubair, “A Review on Data Mining Techniques and Factors Used in Educational Data Mining to Predict Student Ameliorationâ€, IEEE, pp. 1-12, 2016.

[12] J. H. Orallo, J. R. Quintana, and C. F. Ramirez, Introducción a la mineria de datos. Madrid, España: Departamento de Sistemas Informáticos y Computación, Universidad Politécnica de Valencia, 2005.

[13] J. A. Salazar Cardona and D. A. Angarita Garcia, “Evaluación y selección de herramientas de analítica visual para su implementación en una institución de educación superiorâ€, IngEAM, vol. 4, pp. 1-20, 2017.

Published

2019-06-28

How to Cite

Salazar Cardona, J. A., & Triviño Arbelaez, J. I. (2019). Application of learning analytics and educational data mining in an institution of superior education in Colombia. Revista Ingenierías Universidad De Medellín, 19(36), 71–89. https://doi.org/10.22395/rium.v19n36a4