@article{11162/201572,
year = {2020},
url = {http://revistas.uned.es/index.php/ried/article/view/26356/21179},
url = {https://hdl.handle.net/11162/201572},
abstract = {A pesar de las ventajas del e-learning, esta modalidad de aprendizaje es proclive a la deserción. Estudios anteriores demostraron que se pueden aplicar técnicas de aprendizaje automático a los registros de interacciones entre estudiantes y la plataforma para predecir el abandono. En esa línea, se intentan encontrar modelos predictivos de deserción en cursos virtuales que duran entre seis y dieciséis semanas, utilizando registros de Moodle correspondientes a las dos primeras. Se evalúa la sensibilidad, especificidad y precisión de los modelos, pero se prioriza más en qué medida dichos modelos facilitaban evitar la deserción mediante acciones de retención efectivas en costo. Específicamente, se usan datos de varias cohortes de cuatro cursos de temáticas y duraciones distintas, dictados por la Secretaría de Extensión de la Universidad Tecnológica Nacional de la República Argentina, Regional Buenos Aires, entre febrero de 2018 y octubre de 2019.},
booktitle = {RIED. Revista iberoamericana de educación a distancia. 2020, v. 23, n. 2 ; p. 169-182},
keywords = {enseñanza a distancia},
keywords = {tecnología de la educación},
keywords = {abandono de estudios},
keywords = {predicción},
keywords = {curso},
keywords = {tecnología de la educación},
keywords = {uso didáctico del ordenador},
title = {Predicción temprana de deserción mediante aprendizaje automático en cursos profesionales en línea},
doi = {10.5944/ried.23.2.26356},
author = {Urteaga, Ignacio and Siri, Laura and Garófalo, Guillermo},
}