¿Qué piensan los estudiantes y profesores de la evaluación en línea? Algunas pistas y expectativas en el contexto del proyecto TeSLA

Son muchas las investigaciones que han analizado el auge de los sistemas de evaluación en línea desde el ámbito institucional, económico o pedagógico en contextos de formación semipresencial. Sin embargo, existen pocos estudios que analicen las vivencias y perspectivas de profesores y estudiantes en experiencias de evaluación en línea en entornos completamente virtuales. ¿Qué experiencias previas tienen? ¿Qué ventajas y desventajas prevén? ¿Qué datos personales están dispuestos a compartir? A estas y a otras preguntas da respuesta el proyecto TeSLA. Como ya comentamos en un post anterior, el proyecto TeSLA tiene por objeto desarrollar un sistema de evaluación en línea que permita identificar a los estudiantes y verificar la autoría de las actividades de evaluación que entregan gracias a tecnologías como el reconocimiento facial y de voz, los patrones de teclado, el análisis del estilo de escritura y el antiplagio. Sin embargo, sabemos que el uso de este tipo de tecnologías puede generar recelo y desconfianza entre aquellos que deben usarlas. Por este motivo, en paralelo al proceso de desarrollo y testeo del sistema TeSLA, a lo largo de cada piloto se ha recogido la opinión de estudiantes y profesores sobre la evaluación en línea a través de cuestionarios (pre y post piloto) y grupos de discusión (durante el piloto). En el segundo piloto, los estudiantes firmaron un consentimiento informado. Además, realizaron actividades de registro de usuario destinadas a construir un modelo biométrico a ser usado por las tecnologías antes citadas. Posteriormente a la construcción de dicho modelo, los estudiantes realizaron actividades de evaluación donde se activaron dichas tecnologías. En este contexto, se pasó un cuestionario inicial a estudiantes y profesores con el fin de conocer sus experiencias, opiniones y expectativas sobre aspectos relacionados con la evaluación en...

IoT Solutions World Congress, las novedades en el sector del Internet de las Cosas

Barcelona acogió, del 3 al 5 de octubre, una nueva edición del congreso Internet of Things Solutions World Congress (IoTSWC), organizado por la Fira de Barcelona en el recinto de Gran Vía. Otro año más ha sido uno de los certámenes de referencia en soluciones de Internet of Things (IoT) y todas las áreas de negocio relacionadas. El IoTSWC ha combinado sesiones de conferencias con una extensa área de exposición en la que los testbeds y demos han tenido un protagonismo especial. Igual que en la anterior edición, las soluciones IoT para las Smart Cities han tenido una gran visibilidad, junto con la aplicación de IoT en la industria, y la presencia cada vez más importante de empresas cuyo foco de negocio es el cloud y la seguridad en IoT. Esta edición del IoTSWC ha demostrado la madurez del sector de las Smart Cities, en la que los principales operadoras de telecomunicación han seguido ofreciendo sus soluciones para la ciudad inteligente. Desde aplicaciones de alumbrado inteligente, pasando por “smart beacons” capaces de proporcionar información de la ciudad de forma personalizada, hasta aplicaciones de eficiencia energética y monitorización ambiental, parece que las Smart Cities han adoptado plenamente las soluciones IoT como parte esencial para generar valor en la ciudad. Junto con las ciudades inteligentes, este año también se han podido ver soluciones IoT para la automatización del hogar, especialmente dedicadas a la climatización inteligente y al uso de la voz para el control de los dispositivos que en él se encuentran, en lo que parece el inicio de un sector prometedor. Otro de los ámbitos de aplicación de IoT con...

Margaret Hamilton, la primera ingeniera de software

Coincidiendo con el Día internacional de Ada Lovelace, que este año se celebra el 10 de octubre para conmemorar los logros de las mujeres en ciencia, tecnología, ingeniería y matemáticas (STEM – del inglés “science, technology, engineering and maths”), tal como os explicamos en esta entrada, hoy queremos hablaros de Margaret Hamilton. Margaret Hamilton (Estados Unidos, 1936), licenciada en matemáticas y diplomada en filosofía, es considerada la primera ingeniera de software. Y no solo eso, también es la mujer que llevó al hombre a la luna! ¿Queréis conocer su historia? En 1959 comenzó a trabajar en el proyecto MAC (Mathematics And Computers) del MIT, desarrollando programas para hacer predicciones meteorológicas. Más adelante, trabajó en el proyecto SAGE, que permitía controlar el espacio aéreo de los Estados Unidos. En 1963 se incorporó en el laboratorio Charles Stark Draper, también del MIT, donde debían desarrollar el software de navegación “a bordo” para el Programa Espacial Apolo. En 1965 se hizo cargo de la dirección del equipo de desarrollo, que en 1968 estaba formado por más de 400 personas. Hamilton planteó la misión como un sistema que debía integrar tres componentes (el software, el hardware y las personas que lo iban a usar), teniendo en cuenta la interacción entre estos componentes y cómo esa interacción podría afectar al funcionamiento del sistema. Hamilton defendía la necesidad de diseñar programas a prueba de errores. Esta forma de pensar la llevó a crear un sistema que permitiera dar prioridad a las funciones imprescindibles, descartando las que no lo eran. Gracias a este hecho, el Apolo 11 pudo evitar una crisis en el momento del alunizaje, cuando...

Jornadas sobre la Enseñanza Universitaria de la Informática (JENUI 2017)

Del 5 al 7 de julio se realizaron en Cáceres las Jornadas sobre la Enseñanza Universitaria de la Informática. Este evento, que cuenta ya con 23 ediciones, congrega a profesores de Informática en educación superior para compartir experiencias en educación. Y aunque en principio es un congreso reducido, hubo más de 70 participantes y se presentaron 43 contribuciones de temática muy distinta. Es curioso observar que profesores de diferentes universidades, tanto presenciales como virtuales, acaban teniendo los mismos problemas y dificultades. Y es que existen unos problemas recurrentes que aparecen en cada edición: Asignaturas de primer curso: Los alumnos tienen muchos problemas para superar las asignaturas de primer curso. Sea por los contenidos o por el cambio de estudios de secundaria a la universidad. Abandono y/o presencialidad en las aulas: En las universidades presenciales ven como en ciertas asignaturas los profesores se quedan solos. ¿Dónde van los alumnos? ¿Se aburren? ¿No les interesa? Los profesores se las tienen que ingeniar para atraer los alumnos a clase. De forma similar, en las virtuales los alumnos abandonan o trabajan de forma independiente. Metodologías de aprendizaje grupales o técnicas de ludificación pueden ayudar a reducir este abandono. Asignaturas de programación: Las asignaturas de esta área siempre han tenido el problema de un bajo número de aprobados. Además, después de analizar el aprendizaje de los alumnos después de las asignaturas vemos que no aprenden lo que deberían. No entienden muy bien los conceptos de programación, memoria, dónde se guarda la información al ejecutarse un programa y, lo más importante, la calidad del código realizado. Un tema importante que se ha podido ver en los...

Lecciones aprendidas sobre deep learning para la detección de fraude de tarjetas de crédito

En este post os presentamos un resumen y la presentación completa de una de las charlas del UOC Data Day, celebrado el día 14 de junio de 2017 en Barcelona sobre el uso de las redes neuronales (deep learning) para la detección de fraude de tarjetas de crédito. Esta ponencia fue a cargo de Alberto Rubio Muñoz, Senior Data Scientist en BBVA Data & Analytics y profesor colaborador docente del área de minería de datos y machine learningdel Máster universitario en Ciencia de datos (Data Science). Los datos están cambiando nuestra sociedad. Debido a los datos estamos repensando nuestras industrias para construir mejores productos: agricultura, educación, finanzas, jurídicos, etc. Con el advenimiento de los datos, un hijo pródigo del machine learning ha vuelto a la delantera para desempeñar un papel principal: las redes neuronales artificiales, también conocido como Deep learning o aprendizaje profundo. En esta charla, proporcionaremos algunas ideas sobre su aplicación para detectar transacciones de tarjetas de crédito fraudulentas realizadas en tiendas y minoristas en línea. También describiremos los datos que usamos, cómo se entrenan las redes neuronales y cómo se mide su eficiencia o precisión. Además, reflexionaremos sobre cómo la posibilidad de procesar gran cantidad de datos ha impulsado el deep learning y el machine learning en la industria. A continuación, os dejamos la grabación de la ponencia completa, así como el material de soporte utilizado para la presentación. ¡Esperamos que la disfrutéis! Nota: Este artículo ha aparecido previamente en el blog de Análisis y Ciencia de Datos de la UOC: http://dataanalysis.blogs.uoc.edu/.   Jordi Casas es profesor de los Estudios de Informática, Multimedia y Telecomunicación en la UOC y director...