Educational Data Mining: Análisis de sentimientos en un dominio universitario durante la pandemia
DOI:
https://doi.org/10.16921/chasqui.v1i151.4760Palavras-chave:
análisis automático de textos, educación remota de emergencia, COVID 19Resumo
La nueva normalidad provocada por la emergencia sanitaria del COVID 19 obligó a la sociedad a adoptar normas de aislamiento obligatorio, las medidas modificaron dinámicas socioculturales, económicas, laborales, y sobre todo la interacción social. En el campo educativo, los establecimientos de enseñanza en general cerraron sus instalaciones y adoptaron herramientas tecnológicas para suplir el aula física, se inauguró así un período de educación remota de emergencia (Hodges et al., 2020) (Portillo, S., Castellanos, L., Reynoso, O., & Gavotto, O., 2020) (Castañeda y Vargas, 2021).
Esta investigación estudia la percepción estudiantil sobre la implementación de la educación remota de emergencia en la Carrera de Comunicación Social de la Universidad Central del Ecuador en el período académico 2020 – 2020, para lo cual se aplicó un sondeo de opinión a 832 estudiantes. El instrumento cualitativo recogió la opinión, y el corpus se proceso en una librería de Phyton. En general, se evidenció una valoración positiva frente a la nueva realidad educativa, se resaltó el uso de plataformas y redes sociales, así como innovadoras prácticas educativas en: clases magistrales, experimentación, tutorías y evaluaciones; entre los aspectos negativos, se cuestionó la escasa interacción docente/estudiante, la carencia de didáctica en entornos digitales, y la profundización de la brecha tecnológica.
Referências
Abdelhamid, S., Aly, M., y Katz, A. (2020). Harvesting tweets for a better understanding of Engineering Students’ First-Year Experiences. 2020 First-Year Engineering Experience.
Ahadi, A., Singh, A., Bower, M., y Garrett, M. (2022). Text Mining in Education—A Bibliometrics-Based Systematic Review. Education Sciences, 12(3), 210.
Altrabsheh, N., Gaber, M. M. and Cocea, M. (2013). Sa-e: sentiment analysis for education. In International conference on intel ligent decision technologies, volume 255, pages 353–362.
Amores Fernández, M. A. (2016). Detección de la polaridad de las opiniones basada en nuevos recursos léxicos. PhD thesis, Universidad Central “Marta Abreu” de Las Villas.
Arriaga, P. K. G., Avilés, V. A. F., Avilés, K. P. R., Arcentales, A. M. A., and Gómez, G. C. (2018). Aplicación de técnicas de minería de datos para el análisis de la eficiencia académica. Revista Científica Hallazgos21.
Castañeda, K & Vargas, A (2021). En tiempos de pandemia: una mirada retrospectiva sobre la educación a distancia, virtual y remota de emergencia, así como sobre las buenas prácticas docentes. Revista Academia y Virtualidad, ISSN 2011-0731, Vol. 14, Nº. 1, págs. 13-22.
Díaz-Galiano, M. C., Vega, M. G., Casasola, E., Chiruzzo, L., Cumbreras, M. A. G., Cámara, E. M., Moctezuma, D., Montejo-Ráez, A., Cabezudo, M. A. S., Tellez, E. S., et al. (2019). Overview of tass 2019: One more further for the global spanish sentiment analysis corpus. In IberLEF@ SEPLN, pages 550–560
Dubiau, L. and Ale, J. M. (2013). Análisis de sentimientos sobre un corpus en español: Experimentación con un caso de estudio. In XIV Argentine Symposium on Artificial Intel ligence (ASAI)-JAIIO 42 (2013).
Feldman, R. (2013). Techniques and applications for sentiment analysis. Communications of the ACM, 56(4):82–89.
García, L. (2021) COVID-19 y educación a distancia digital: preconfinamiento, confinamiento y posconfinamiento. Revista Iberoamericana de Educación a Distancia, vol. 24, núm. 1, Enero-Junio DOI: https://doi.org/10.5944/ried.24.1.28080
García-de-Paz, S., & Santana Bonilla, P. J. (2021). La Transición a entornos de educación virtual en un contexto de emergencia sanitaria: Estudio de caso de un equipo docente en Formación Profesional Básica. Revista de Educación a Distancia (RED), 21(65). https://doi.org/10.6018/red.450791
Ghanem, B., Karoui, J., Benamara, F., Rosso, P., and Moriceau, V. (2020). Irony detection in a multilingual context. In Jose, J. M., Yilmaz, E.
González, K. (2019). E-research y tecnologías colaborativas en la educación superior (Firts edit; Redipe- Red Iberoamericana de pedagogía, Ed.). USA.
Greeshma, A., y Veigas, A. M. (2020). Analyzing Student’s Learning Experiences by using Social Media data Through Data Mining. International Journal of Scientific Research in Computer Science Applications and Management Studies, 9(1)
Hernández-Blanco, A., Herrera-Flores, B., Tomás, D., y Navarro-Colorado, B. (2019). A Systematic Review of Deep Learning Approaches to Educational Data Mining. Complexity, 2019.
Hodges, C., Moore, S., Lockee, B., Trust, T. & Bond, A. (2020). The Difference Between Emergency Remote Teaching and Online Learning. Educause Review. https://er.educause.edu/articles/2020/3/the-difference-between-emergency-remote-teaching-and-online-learning
Ingole, P., Bhoir, S., y Vidhate, A. V. (2018). Hybrid Model For Text Classification. 2018 Second International Conference on Electronics, Communication and Aerospace Technology (ICECA), 7-15. https://doi.org/10.1109/ICECA.2018.8474738
Ledesma, E. F. R., Díaz, D. A., and García, J. J. G. (2018). Tutor educativo usando máquina de soporte vectorial. Pistas Educativas, 35(108).
Lizárraga Juárez, A., López Ramírez, E., & Martínez Iñiguez, J. E. (2020). Apropiación tecnológica en el manejo de competencias digitales por los profesores de escuelas normales en México. Revista Boletín Redipe, 9(6), 157-167. https://doi.org/10.36260/rbr.v9i6.1009
Lugo, M. & Loiácono, L. (2020). Planificar la educación en la pospandemia: de la educación remota de emergencia a los modelos híbridos. Educación y Tecnología, 3(1). https://publicaciones.flacso.edu.uy/index.php/edutic/article/view/2
Marotias, A. (2021). La educación remota de emergencia y los peligros de imitar lo presencial. Hipertextos, 8(14), 173-177. https://doi.org/10.24215/23143924e025
Martínez Cámara, E., Martín Valdivia, M. T., Perea Ortega, J. M., and Ureña López, L. A. (2011). Técnicas de clasificación de opiniones aplicadas a un corpus en español.
Montes y Gómez, M. (2001). Minería de texto: Un nuevo reto computacional. 3rd International Workshop on Data Mining MINDAT-2001.
Mosquera, A., Lloret, E., and Moreda, P. (2012). Towards facilitating the accessibility of web 2.0 texts through text normalisation.
Pérez-Suasnavas, A. L., Hasperué, W., Bustamante, M. E. M., & Santamaría, J. L. (2022). Predicción de dificultades estudiantiles mediante técnicas de minería de textos. South Florida Journal of Development, 3(5), 6128-6137.
Portillo, S., Castellanos, L., Reynoso, O., & Gavotto, O. (2020). Enseñanza remota de emergencia ante la pandemia Covid-19 en Educación Media Superior y Educación Superior. Propósitos y Representaciones, 8 (SPE3), e589. Doi: http://dx.doi.org/10.20511/pyr2020.v8nSPE3.589
Raut, V. B. and Londhe, D. (2014). Survey on opinion mining and summarization of user reviews on web. International Journal of computer science and information technologies, 5(2):1026–1030.
Roatta, S. and Tedini, D. (2021). La pandemia del Covid-19 y el aprendizaje semipresencial en la educación superior. Revista Iberoamericana de Tecnología en Educación y Educación en Tecnología, no. 28, 318-323,2021. doi: 10.24215/18509959.28.e39
Romero, C. and Ventura, S. (2010). Educational data mining: a review of the state of the art. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 40(6):601–618.
Singh V., y Thurman A. (2019). How many ways can we define online learning? A systematic literature review of definitions of online learning (1988-2018). American Journal of Distance Education, 33(4), 289–306. https://doi.org/10.1080/08923647.2019.1663082
Solis, P. Y. J., Sosa, T. I. P., Palma, M. L. T., Morocho, W. R. B., & Litardo, E. D. M. (2020). La educación virtual un nuevo reto para la formación del comunicador social de la extensión universitaria. Magazine de las Ciencias: Revista de Investigación e Innovación, 5 (CISE).
UNESCO (2020). El coronavirus covid-19 y la educación superior: impacto y recomendaciones. Disponible en https://www.iesalc.unesco.org/2020/04/02/el-coronavirus-covid-19-y-la-educacion-superior-impacto-y-recomendaciones/
Vásquez, A. C., Quispe, J. P., Huayna, A. M., et al. (2009). Procesamiento de lenguaje natural. Revista de investigación de Sistemas e Informática, 6(2):45–54.
Xu, S. (2018). Bayesian naive bayes classifiers to text classification. Journal of Information Science, 44(1):48–59.
Yang, K., Yu, N., and Zhang, H. (2007). Widit in trec-2007 blog track: Combining lexicon-based methods to detect opinionated blogs.
Zafra, S. M. J., Valdivia, M. T. M., Cámara, E. M., and López, L. A. U. (2017). Studying the scope of negation for spanish sentiment analysis on twitter. IEEE Transactions on Affective Computing, 10(1):129–141.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
- Los autores/as conservarán plenos derechos de autor sobre su obra y garantizarán a la revista el derecho de primera publicación, el cuál estará simultáneamente sujeto a la Licencia Reconocimiento-SinObraDerivada de Creative Commons (CC BY-ND), que permite a terceros la redistribución, comercial y no comercial, siempre y cuando la obra no se modifique y se transmita en su totalidad, reconociendo su autoría.
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet.
