Evaluación de objetos digitales de aprendizaje musical en Moodle
Resumen
Este estudio presenta la aplicación de procesos automatizados de análisis a objetos digitales de aprendizaje musical online, mediados por una plataforma telemática. A nivel teórico, se basa en la aplicación de los principios del aprendizaje virtual, la educación personalizada y la aplicación de procesos automatizados de análisis de datos educativos. En concreto, se plantea la aplicación de dichas técnicas a los test de evaluación inicial, para medir niveles de conocimientos previos en la materia. El análisis de la información se efectúa a partir de los datos recogidos en una herramienta para la elaboración de cursos online, Moodle. A partir de dichos datos se halla un modelo, denominado k-medias (k-means en lengua inglesa), que permite clasificar los diferentes niveles de conocimientos musicales. El modelo elaborado establece tres perfiles en cuanto al nivel de aprendizaje musical del alumnado: nivel alto, medio y bajo.
Descargas
Citas
Aydin, C.C., Tirkes, G. (2010). Open Source Learning Management Systems in Distance Learning. TOJET: The Turkish Online Journal of Educational Technology, 9(2), 175-184.
Bernardo, J.B. et al. (2014). Educación personalizada: principios, técnicas y recursos. Logroño: Síntesis.
Bullock, S. (2016). Digital technologies in teacher education. From mythologies to making. In Kosnik, C.; White, S.; Beck, C.; Marshall, B.; Goodwin, A. Lin & Murray, J. (eds.), Building Bridges. Rethinking Literacy Teacher Education in a Digital Era (pp. 2-16). Rotterdam: Sense Publishers.
Calderero Hernández, J.F. et al. (2014). Una nueva aproximación al concepto de educación personalizada y su relación con las TIC. Teoría de la Educación. Educación y Cultura en la Sociedad de la Información, 15(2), 131-151.
Celebi, M.E., Kingravi, H.A. & Vela, P.A. (2013). A comparative study of efficient initialization methods for the k-means clustering algorithm. Expert Systems with Applications, 40(1), January, 200-210.
Chiappe-Lavarde, A., Hine, N. & Martínez-Silva, J.-A. (2015). Literatura y práctica: una revisión crítica acerca de los MOOC. Comunicar, 44 (XXII), 9-18. DOI http://dx.doi.org/10.3916/C44-2015-01G
Coll, C. y Monereo, C. (2008). Psicología de la educación virtual. Madrid: Morata.
Cuthbert, A.J. (2003). Wise learning Communities. Design Considerations. In A.K. Renninger y W. Shumar (Eds.), Building Learning communities. Learning and change in cyberspace (pp. 215-246). Cambridge: Cambridge University Press.
Chan, M.E., Galeana, L. y Ramírez, M.S. (2007). Desarrollo de objetos de aprendizaje basado en patrones. Brasil: Virtual Educa.
Estadística (2016). Portal de la Universidad de Granada sobre estadística.
Recuperado el 12 de Enero de 2016 de http://wdb.ugr.es/~bioestad/guia-spss/practica-8/#2
Etscheidt, S. & Curran, C. (2012). Promoting Reflection in Teacher Preparation Programs: A Multilevel Model. Teacher Education and Special Education, 35(1), 7-26. (http://doi.org/dk 53x2).
Feldman, D., Schmidt, M. & Sohler, C. (2013). Turning big data into tiny data: constant-size coresets for k-means, PCA and projective clustering. SODA '13 Proceedings of the Twenty-Fourth Annual ACM-SIAM Symposium on Discrete Algorithms, New Orleans, Louisiana, pp. 1434-1453.
Himonides, E & King, A. (2014). Proceedings of the Sempre MET2014: Researching Music, Education, Technology: Critical Insights. International Music Education Research Centre, iMerc. Institute of Education University of London.
Housand, B.C. y Housand, A.M. (2012). The role of technology in gifted students' motivation. Psychology in the Schools, 49(7), 706-715.
Hwang, G.J. et al. (2012). Development of a personalized educational computer game based on students’ learning styles. Educational Technology Research and Development, 60(4), August, 623-638.
Irigoien, I. y Arenas, C. (2006). Clasificación: Análisis de clusters (clustering). En B. Sierra (Coord.), Aprendizaje automático: conceptos básicos y avanzados. Aspectos prácticos utilizando el software Weka. Madrid: Pearson Prentice Hall.
Jorgensen, E. R. (2008). The art of teaching music. Indianápolis: Indiana University Press.
Kearney, M.S. & Levine, P.B. (2015). Early Childhood Education by MOOC: Lessons from Sesame Street. NBER Working, Paper No. 21229, June. (DOI: 10.3386/w21229).
Kop, R. (2011). The challenges to connectivist learning on open online networks: Learning experiences during a massive open online course. The International Review of Research in Open and Distance Learning, 12(3), 19-38.
Lin, C.F. et al. (2013). Data mining for providing a personalized learning path in creativity: An application of decision trees. Computers & Education, 68, October, 199-210.
Lin, Y. et al. (2012). An improved clustering method based on k-means. Paper presented in 9th International Conference on Fuzzy Systems and Knowledge Discovery (FSKD), Sichuan, 29-31 May, 734-737. DOI: 10.1109/FSKD.2012.6234296.
Mairal, J. et al. (2010). Online learning for matrix factorization and sparse coding. Journal of Machine Learning Research, 11, 19-60.
McAfee, A. et al. (2012). Big Data. The management revolution. Harvard Business Review, 90(10), 61-67.
Monedero-Moya, J.-J., Cebrián-Robles, D. y Desenne, Ph. (2015). Usabilidad y satisfacción en herramientas de anotaciones multimedia para MOOC. Comunicar, 44(XXII), 55-62. DOI: http://dx.doi.org/10.3916/C44-2015-06
Montgomery, A. et al. (2015). Blending for student engagement: Lessons learned for MOOCs and beyond. Australasian Journal of Educational Technology , 31(6), 657-670.
Moodle (2016). Modular Object-Oriented Dynamic Learning Environment. Recuperado el 10 de Febrero de 2016 de http://www.moodle.org
Pang, J., Jie, L. & Xu, F. (2014). Study on the Group Cooperative Innovation Based on WEB2.0. Journal of Software, 9(3), 613-620.
RAND Corporation (2014). Early progress: Interim research on personalized learning. Seattle, WA: The Bill and Melinda Gates Foundation.
Redding, S. (2014a). Personal Competencies in Personalized Learning. Center on Innovations in Learning, Temple University, Philadelphia, PA. http://www.centeril.org/publications/Personalized_Learning.pdf (16-05-2016).
Redding, S. (2014b). Personal Competency. A Framework for Building Students’ Capacity to Learn. Philadelphia, PA: Temple University, Center on Innovations in Learning. http://www.centeril.org/publications/Personal_Compentency_Framework.pdf (16-05-2016).
Redding, S. (2014c). The something other: Personal competencies for learning and life. Philadelphia, PA: Temple University, Center on Innovations in Learning. http://eric.ed.gov/?id=ED558074 (16-05-2016).
Rivera, Claudia (2014). Objetos de aprendizaje: una primera Mirada . Infotecarios. http://www.infotecarios.com/objetos-de-aprendizaje-una-primera-mirada/
Roberts-Mahoney, H., Means, A.J. & Garrison, M.J. (2016). Netflixing human capital development: personalized learning technology and the corporatization of K-12 education. Journal of Education Policy. DOI: http://dx.doi.org/10.1080/02680939.2015.1132774
Sadovaya, V.V.; Korshunova, O.V. & Nauruzbay, Z.Z. (2016). Personalized Education Strategies. Mathematics Education, 11(1), 199-209.
Sagitova, R.R. (2014). Training students to be autonomous learners. International Journal of Humanities Education, 12(1), 27-34.
Sandler, S. (2012). People v. ‘personalization’: Retaining the human element in the high-tech era of education. Education Week, 31(22), 20-22.
Selwyn, N. (2012). Ten suggestions for improving academic research in education and technology. Learning, Media and Technology, 37(3), 213–219.
Sharif, A., & Magrill, B. (2015). Discussion forums in MOOCs. International Journal of Learning, Teaching and Educational Research, 12(1), 119-132.
Shechtman, N. et al. (2013). Promoting grit, tenacity, and perseverance: Critical factors for success in the 21st century. Washington, DC: U.S. Department of Education, Department of Educational Technology.
Spector, J.M. (2013). Emerging Educational Technologies and Research Directions. Journal of Educational Technology & Society, 16(2), April, 21-30.
Tseng, S.-F. et al. (2016). Who will pass? Analyzing learner behaviors in MOOCs. Research and Practice in Technology Enhanced Learning, 11(8), 1-11. DOI: 10.1186/s41039-016-0033-5
Twyman, J. (2014). Competency-based Education: Supporting Personalized Learning. Philadelphia, PA: Center on Innovations in Learning. http://www.centeril.org/connect/ resources/Connect_CB_Education_Twyman-2014_11.12.pdf (16-05-2016).
Vollenbroek, W. et al. (2014). Learning Education: An ‘Educational Big Data’ approach for monitoring, steering and assessment of the process of continuous improvement of education. Paper presented in European Conference in the Applications of Enabling Technologies, 20-21 November 2014, Glasgow, Scotland.
Wolf, M. (2010). Innovate to education: System [re]design for personalized learning. A report from the 2010 symposium. Washington, DC: Software & Information Industry Association. Retrieved from http://siia.net/pli/ presentations/PerLearnPaper.pdf (16-05-2016).
Yang, S. et al. (2011). A collaborative multimedia annotation tool for enhancing knowledge sharing in CSCL. Interactive Learning Environments, 19(1), 45-62. DOI: 10.1080/10494820.2011.528881
Las obras que se publican en esta revista están sujetas a los siguientes términos:
1. El Servicio de Publicaciones de la Universidad de Murcia (la editorial) conserva los derechos patrimoniales (copyright) de las obras publicadas, y favorece y permite la reutilización de las mismas bajo la licencia de uso indicada en el punto 2.
2. Las obras se publican en la edición electrónica de la revista bajo una licencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional (texto legal). Se pueden copiar, usar, difundir, transmitir y exponer públicamente, siempre que: i) se cite la autoría y la fuente original de su publicación (revista, editorial y URL de la obra); ii) no se usen para fines comerciales; iii) se mencione la existencia y especificaciones de esta licencia de uso.
3. Condiciones de auto-archivo. Se permite y se anima a los autores a difundir electrónicamente las versiones pre-print (versión antes de ser evaluada) y/o post-print (versión evaluada y aceptada para su publicación) de sus obras antes de su publicación, ya que favorece su circulación y difusión más temprana y con ello un posible aumento en su citación y alcance entre la comunidad académica. Color RoMEO: verde.
