medigraphic.com
ISSN 0016-3813 (Impreso)

2019, Número 1

<< Anterior Siguiente >>

Gac Med Mex 2019; 155 (1)


La analítica del aprendizaje en educación médica: ¿punto de inflexión?

Sánchez-Mendiola M, Moreno-Salinas JG, Bautista-Godínez T, Martínez-González A

Idioma: Español
Referencias bibliográficas: 51
Paginas: 90-100
Archivo PDF: 437.89 Kb.


RESUMEN

La analítica del aprendizaje es una disciplina novedosa que tiene un enorme potencial para mejorar la calidad de la educación médica y la evaluación del aprendizaje. Se define como: “la medición, recopilación, análisis y reporte de datos sobre los alumnos y sus contextos, con el propósito de entender y optimizar el aprendizaje y los entornos en que ocurre”. En las últimas décadas, la aparición de grandes volúmenes de datos (big data), acompañada de una rápida evolución en la minería de datos educativos, la aparición de tecnologías sofisticadas para analizar y visualizar datos de cualquier tipo, así como la disponibilidad de dispositivos móviles con conectividad permanente, mayor velocidad de procesamiento y capacidad de recuperación de información, han generado un contexto que favorece el uso de la analítica del aprendizaje en la medicina clínica y la educación médica. En este artículo se describe la historia reciente del concepto de analítica del aprendizaje, sus ventajas y desventajas en educación superior, así como sus aplicaciones en la enseñanza de las ciencias de la salud y la evaluación educativa. Es necesario que la comunidad de educadores médicos conozca la analítica del aprendizaje, para ser capaces de integrarla en su contexto eficaz y oportunamente.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Chan T, Sebok-Syer S, Sebok-Syer S, Thoma B, Wise A, Sherbino J, Pusic M. Learning analytics in medical education assessment: the past, the present, and the future. AEM Educ Train. 2018;2:178-187.

  2. Krumholz HM. Big data and new knowledge in medicine: the thinking, training, and tools needed for a learning health system. Health Aff (Millwood). 2014;33:1163-1170.

  3. Lodge JM, Corrin L. What data and analytics can and do say about effective learning? Npj Sci Learn. 2017;2:5.

  4. Lang C, Siemens G, Wise A, Gašević D. Handbook of Learning Analytics. EE. UU.: Society for Learning Analytics Research; 2017.

  5. Greller W, Drachsler H. Translating learning into numbers: a generic framework for learning analytics. J Educ Techno Soc. 2012;15(42): 42-57.

  6. Sclater N, Peasgood A, Mullan J. Learning analytics in higher education. A review of UK and international practice. Full Report. Reino Unido: Joint Information Systems Committee; 2016.

  7. Bienkowski M, Feng M, Means B. Enhancing teaching and learning through educational data mining and learning analytics. An Issue Brief. EE. UU.: United States Department of Educational Technology; 2012.

  8. Lee K, Whelan JS, Tannery NH, Kanter SL, Peters AS. 50 years of publication in the field of medical education. Med Teach. 2013;35(7): 591-598.

  9. Ellaway RH, Pusic MV, Galbraith RM, Cameron T. Developing the role of big data and analytics in health professional education. Med Teach. 2014;36:216-222.

  10. Cirigliano MM, Guthrie C, Pusic M V, Cianciolo AT, Lim-Dunham JE, Spickard A, et al. Exploring the future of learning analytics in medical education. Teach Learn Med. 2017;29:368-372.

  11. Hilbert M, López P. The world’s technological capacity to store, communicate, and compute information. Science. 2011;332:60-65.

  12. Rowley J. The wisdom hierarchy: representations of the DIKW hierarchy. J Inf Sci. 2007;33:163-180.

  13. Bhansali N. Data governance. Creating value from information assets. EE. UU.: CRC Press; 2013.

  14. Campbell JP, DeBlois PB, Oblinger DG. Academic analytics: a new tool for a new era. Educause Rev. 2007;42:40-57.

  15. Mousannif H, Sabah H, Douiji Y, Sayad Y O. From big data to big projects: a step-by-step roadmap. En: 2014 International Conference on Institute of Electrical and Electronics Engineers. EE. UU.: Future Internet of Things and Cloud; 2014.

  16. Elias T. Learning analytics: definitions, processes and potential. EE. UU.: 2011.

  17. Johnson L, Smith R, Willis H, Levine A, Haywood K. The 2011 Horizon Report. EE. UU.: The New Media Consortium; 2011.

  18. Society for Learnig Analytics Research. [Sitio web]. International Conference on Learning Analytics & Knowledge (LAK). Disponible en: https:// solaresearch org/events/lak.

  19. Dawson S, Gasevic D, Siemens G, Joksimovic S. Current state and future trends: a citation network analysis of the learning analytics field. En: Proceedings of the Fourth International Conference on Learning Analytics & Knowledge. EE. UU.: ACM; 2014.

  20. Chatti MA, Lukarov V, Thus H, Muslim A, Yousef AMF, Wahid U, et al. Learning analytics: challenges and future research directions. 2014.

  21. Leitner P, Khalil M, Ebner M. Learning analytics in higher education: a literature review. En: Peña-Ayala A, editor. Learning analytics: fundaments, applications, and trends. Suiza: Springer International Publishing; 2017.

  22. Gašević D, Dawson S, Siemens G. Let’s not forget: learning analytics are about learning. TechTrends. 2015;59:64-67.

  23. Siemens G. Learning analytics. The emergence of a discipline. Am Behav Sci. 2013;57:1380-1400.

  24. Chatti MA, Dyckhoff AL, Schroeder U, Thüs H. A reference model for learning analytics. IJTEL. 2012;4:318-331.

  25. Chatti M A, Muslim A, Schroeder U. Toward an open learning analytics ecosystem. En: Big data and learning analytics in higher education. Suiza: Springer; 2017

  26. Wilson A, Watson C, Lynn T, Drew V, Doyle S. Learning analytics: challenges and limitations. Teaching in Higher Education. 2017;22: 991-1007.

  27. Wikipedia. The Free Encyclopedia. Global village. Disponible en: https:// en.wikipedia.org/wiki/Global_village.

  28. Bergson H. La evolución creadora. Argentina: Cactus; 2007.

  29. Badiou A. Elogio al amor. Argentina: Paidós; 2011.

  30. Murcia-Carbonell A. La ucronía intencional como relato moral. España: Asociación Cultural Xatafi; 2009.

  31. Sánchez-Mendiola M. Educación médica basada en evidencias, ¿ser o no ser? Inv Ed Med. 2012;1 82-89.

  32. Ringsted C, Hodges B, Scherpbier A. “The research compass”: an introduction to research in medical education: AMEE Guide No. 56. Med Teach. 2011;33:695-709.

  33. Donoho D. 50 years of data science. J Comput Graph Stat. 2017;26:745-766.

  34. Altman RB, Levitt M. What is biomedical data science, and do we need an annual review of it? Annu Rev Biomed Data Sci. 2018;1:i-iii.

  35. Calvet-Liñán L, Pérez AA. Educational data mining and learning analytics: differences, similarities, and time evolution. RUSC. 2015;12 98-112.

  36. Larusson JA, White B. Learning analytics from research to practice. EE. UU.: Springer; 2014.

  37. Cirigliano MM, Guthrie C, Pusic MV, Cianciolo AT, Lim-Dunham JE, Terry V, et al. “Yes, and …” exploring the future of learning analytics in medical education. Teach Learn Med. 2017;29:368-372.

  38. Ellaway RH, Topps D, Pusic M. Data, big and small: emerging challenges to medical education scholarship. Acad Med. 2018.

  39. Wise AF, Shaffer DW. Why Theory matters more than ever in the age of big data. J Learn Anal. 2015;2 5-13.

  40. Chan TM, Sherbino J, Mercuri M. Nuance and noise: lessons learned from longitudinal aggregated assessment data. J Grad Med Educ. 2017;9:724-729.

  41. O Donoghue SI, Baldi BF, Clark SJ, Darling AE, Hogan JM, Kaur S, et al. Visualization of biomedical data. Annu Rev Biomed Data Sci. 2018;1:275-304.

  42. Vaitsis C, Nilsson G, Zary N. Visual analytics in healthcare education: exploring novel ways to analyze and represent big data in undergraduate medical education. PeerJ. 2014;2:e683.

  43. Komenda M, Víta M, Vaitsis C, et al. Curriculum mapping with academic analytics in medical and healthcare education. PLoS One. 2015;10:e0143748.

  44. Littlewort G, Whitehill J, Wu T, Fasel I, Frank M, Movellan J, et al. The Computer Expression Recognition Toolbox (CERT). Face and Gesture. 2011.

  45. Peñaloza-Báez MJ. Big data y analítica del aprendizaje en aplicaciones de salud y educación médica. Inv Ed Med. 2017;7:61-66.

  46. Sánchez-Mendiola M, Durante-Montiel I, Morales-López S, Lozano-Sánchez R, Martinez-González A, Graue-Wiechers E. Plan de estudios 2010 de la Facultad de Medicina de la Universidad Nacional Autónoma de México. Gac Med Mex. 2011;147:152-158.

  47. Sánchez-Mendiola M, Martínez-Franco AI. Informática Biomédica. México: Universidad Nacional Autónoma de México/Elsevier; 2018.

  48. Martin F, Ndoye A. Using Learning analytics to assess student learning in online courses. Journal of University Teaching & Learning Practice. 2016;13.

  49. Gikandi JW, Morrow D, Davis NE. Evaluación formativa en línea en la educación superior: una revisión de la literatura. Comput Educ. 2011;57 2333-2351.

  50. Ellis C. Ampliar el alcance y aumentar la utilidad del análisis de aprendizaje: el caso para el análisis de evaluación. Br J Educ Technol. 2013;44:662-664.

  51. Aikat J, Carsey TM, Fecho K, Jeffay K, Mucha PJ, Ahalt SC, et al. Scientific training in the era of big data: a new pedagogy for graduate education. Big Data. 2017;5:12-18.




2020     |     www.medigraphic.com