Embed Size (px)
Citation preview
G R U P O I B E R M Á T I C A
Bigdata aplicada a Entornos Formativos.
La evolución de la Minería de Datos Educativa aplicada a Inteligencias
Múltiples
Plataforma Tecnológica para una Educación Centrada en el Alumno
Octubre 2014 / 2
Objetivo: Plataforma Tecnológica para una Educación Centrada en el Alumno
“Se necesita una educación adaptada a cada alumno/a”
“Se necesita una educación adaptada a cada alumno/a”
Conseguir a lo largo de su etapa educativa personas con las competencias necesarias para integrarse y desenvolverse en el mundo con capacidad de transformación. Sin olvidar sus raíces, con actitud responsable y de respeto hacia las personas y el medio que les rodea.
¿Cuál es el reto?¿Cuál es el reto?
¿Cuál es la necesidad?¿Cuál es la necesidad?
No todos somos iguales
Competencias y ritmos dispares
No todos somos iguales
Competencias y ritmos dispares
Necesidades diferentes
Rutas Formativas Personalizadas
Necesidades diferentes
Rutas Formativas Personalizadas
Recomendaciones particulares
Recomendaciones particulares
Personalización
Personalización
Aula es un microsistema heterogéneo
Aula es un microsistema heterogéneo
Seguimiento al 100% de los alumnosSeguimiento al 100% de los alumnos
Octubre 2014 / 3
Personalización: De un sistema global a un sistema personalizado
Personalización:
Ser preciso en el mensaje: suministrar la información adecuada en el momento y lugar preciso, y al sujeto que lo requiere, y sólo a ese, para que el contenido sea atractivo, efectivo y finalice en un impacto interiorizado.
Personalización:
Ser preciso en el mensaje: suministrar la información adecuada en el momento y lugar preciso, y al sujeto que lo requiere, y sólo a ese, para que el contenido sea atractivo, efectivo y finalice en un impacto interiorizado.
Octubre 2014 / 4
Personalización: De un sistema global a un sistema personalizado
Supermercados Wal-Mart. Proyecto de basket analysis.Supermercados Wal-Mart. Proyecto de basket analysis. Correlación estadísticamente
significativa entre la compra de pañales y cerveza. Compradores de cerveza y pañales eran varones de entre 25 y 35 años, que solían comprar estos productos conjuntamente los viernes por la tarde.
Correlación estadísticamente significativa entre la compra de pañales y cerveza. Compradores de cerveza y pañales eran varones de entre 25 y 35 años, que solían comprar estos productos conjuntamente los viernes por la tarde.
Octubre 2014 / 5
Personalización: De un sistema global a un sistema personalizado
Predicción Incidencias en Industria Predicción Incidencias en Industria Banca / Marketing / Comercio ElectrónicoBanca / Marketing / Comercio Electrónico
Fraude / Fidelidad Clientes Fraude / Fidelidad Clientes MedicinaMedicina InvestigaciónInvestigación
•Recopilación de Datos
•Triangulación del sujeto
•Análisis del Diagnóstico (Perfilado, Segmentación y Cercanía)
•Recomendación Personalizada
•Recopilación de Datos
•Triangulación del sujeto
•Análisis del Diagnóstico (Perfilado, Segmentación y Cercanía)
•Recomendación Personalizada
La personalización automática de decisiones no es nueva…La personalización automática de decisiones no es nueva…
Octubre 2014 / 6
Personalización: Recopilación de DatosDel Control al Caos
Conocimiento: La relación entre los datos en un contexto determinado Conocimiento: La relación entre los datos en un contexto determinado
Octubre 2014 / 7
¿BigData? ¿En Serio?
BigData vs Small DataBigData vs Small Data
Octubre 2014 / 8
• Massively parallel processing (MPP)
• Datamining grids
• Distributed file systems
• Distributed databases
• Cloud computing platforms
• Scalable storage systems
• Working in memory
Worldwide digital content will double in 18 months, and every 18 months thereafter.
VELOCIDAD
In 2005, humankind created 150 exabytes of information. In 2011, 1,200 exabytes will be created.
VOLUMEN VARIEDAD80% of enterprise data will be unstructured, spanning traditional and non traditional sources.
Gartner
IDC
The Economist
• BI avanzado• Minería de Datos• Minería de Textos
• BI avanzado• Minería de Datos• Minería de Textos
¿Generamos datos?
Octubre 2014 / 9
Sistemas Análisis Avanzados: Minería de Datos Educativos (EDM)
Plataforma de Apoyo a la Decisión en Tiempo Real.Integra las más novedosas técnicas de analítica avanzada sobre la información bruta:
• Segmenta• Clasifica• Predice• Focaliza
¿Qué es? ¿Qué aporta?
Utilizamos el 80% del tiempo en revisar el 100% de la información sin conocer “a priori” dónde esta el foco de interés.
Utilizamos el 20% del tiempo en analizar el 80% del las alertas realmente relevantes
¿Cómo funciona?• Ayuda a los técnicos en la instrumentación de reglas
para el seguimiento y control del negocio.• Detección de anomalías en las pautas de
comportamiento.• Sistema de alertas sobre casos inciertos.• Sistema de representación gráfica de zonas con
probabilidad altas de objetivos detectados.• Plataforma de simulación y predicción de los distintas
escenarios de negocio.• Aprendizaje automático ante nuevos casos objetivos.
Octubre 2014 / 10
IMEDU; Un sistema de diagnóstico objetivo de los alumnos en base a sus Inteligencias Múltiples..
Inteligencias Múltiples para la Educación Objetivo / resultados
La idea general es dotar al educador de un sistema automático que sea capaz de clasificar el “estado” concreto en el que se encuentra cada uno de los alumnos, en base a un posicionamiento de los mismos dentro de cada uno de los mapas de las diferentes “inteligencias”, y a partir de ahí, seleccionar la mejor decisión a aplicar a la personalización de acciones a proponer a cada alumno, como una herramienta de apoyo a la decisión para el educador.
Octubre 2014 / 11
Detección y Triangulación del Alumno
•Evaluaciones•Datos del Alumno•Notas de Profesores (LN)•Datos Familiares
•Consentimiento Informado
•Plataforma Virtual•Gamificación•Test de Aptitudes•Cuestionario de desarrollo evolutivo•….
Datos de Entrada
Clasificación Automática del Alumnoen cada Inteligencia
Ruta Formativa Personalizada
Recomendación automática acciones
ContenidosGuías Formativas…
Clasificación global
Ponderación Automática
Octubre 2014 / 12
Perfilado, Segmentación, Cercanía y Programación
Múltiples Alumnos
Segmentación de Alumnos por comportamientos
Sugerencia automáticas en:•Rutas Formativas por Grupo de Pertenencia•Rutas Formativas por Cercanía de Comportamiento (“Otros como tú…”)•Rutas Formativas basadas en Históricos de éxito del pasado•Análisis de la Evolución en el tiempo de un alumno•Visualización de los cambios de pertenencia a grupos en función de acciones realizadas
Guía Formativa 2Guía Formativa 2
Guía Formativa 2Guía Formativa 2
Octubre 2014 / 13
Recomendación personalizada de Rutas Formativas y Retos
Segmentación de Alumnos por comportamientos
Conocimiento Educadores
Histórico de evolución de alumnos
Reglas de Expertos
Reglas automáticas
Sistema ExpertoRecomendación de Rutas y Acciones
Recomendación de Retos y Actividades Gamificación / Mundo Virtual
Octubre 2014 / 14
Aitor Moreno Fernández de Leceta
Sistemas Inteligentes de Control y Gestión
www.ibermatica.com/ai.moreno
Blog: rtdibermatica.com
Aitor Moreno Fernández de Leceta
Sistemas Inteligentes de Control y Gestión
www.ibermatica.com/ai.moreno
Blog: rtdibermatica.com
