entre otras, para identificar las investigaciones que han aplicado técnicas de minería de datos, para la extracción y análisis de datos de Twitter en la educación superior; y, (2) destacar las prácticas pedagógicas que han incorporado Twitter y minería de datos para mejorar los procesos educativos. De los 315 artículos obtenidos, fueron seleccionados 65 que cumplieron con los criterios de inclusión. Los principales resultados indican que: (1) las técnicas de minería de datos más utilizadas son predictivas con tareas de clasificación; (2) Twitter se usa principalmente para: (a) determinar percepción estudiantil; (b) compartir información, material y recursos; (c) generar comunicación y participación; (d) fomentar habilidades; y (e) mejorar la expresión oral y el rendimiento académico; (3) Estados Unidos es el país con mayor número de trabajos; sin embargo, en países de Latinoamérica los hallazgos son pocos, por lo que se apertura un campo de investigación en esta región; y (4) los estudios incluyeron modelos, métodos, estrategias, teorías o instrumentos como práctica pedagógica; de modo que no existe un consenso en la forma en que los datos extraídos de Twitter podrían ser incorporados en la educación superior para mejorar los procesos de enseñanza y aprendizaje.
Uno de los problemas a los que se enfrenta el docente universitario, se relaciona con la falta de retroalimentación por parte de los estudiantes, que le permita conocer las dificultades que ellos enfrentan a la hora de adquirir conocimientos nuevos en clase. Algunos esfuerzos de investigación se han realizado para identificar y clasificar los problemas de los estudiantes, con datos provenientes de las redes sociales, pero limitando los criterios de búsqueda y recuperación de los datos. El presente artículo pretende cubrir la brecha dejada por los trabajos anteriores, mediante la creación de una metodología para predecir las dificultades de los estudiantes universitarios, que utiliza técnicas de extracción de datos provenientes de la red social Twitter y que ha sido plasmada en un flujo de trabajo, que integra técnicas de Minería de Textos, Procesamiento de Lenguaje Natural y Aprendizaje Profundo, usando Algoritmos Supervisados y Redes Neuronales Recurrentes. Para probar la metodología propuesta, se construyó un modelo de clasificación, cuya evaluación es prometedora, pues se alcanzó una precisión y exactitud del 80%. Los resultados obtenidos garantizan la predicción de las dificultades estudiantiles, dotando al docente de una herramienta efectiva para identificar las áreas que demanden mayor atención y poder así brindar ayuda oportuna a los estudiantes que tienen dificultades en el aula.
La Minería de Datos puede ser aplicada en datos provenientes de dos tipos de entornos educativos: el aula tradicional y la educación a distancia; por lo que, es necesario realizar un análisis independiente de las técnicas de Minería de Datos en cada entorno, debido a las diferentes fuentes de datos y propósitos. El objetivo del presente estudio fue identificar la evolución de las técnicas de Minería de Datos con la integración de la red social Twitter, y su aplicación en la educación superior; principalmente a causa del problema de salud mundial derivado del COVID-19, mediante una revisión sistemática de la literatura. La búsqueda de artículos fue realizada entre abril/2019 a noviembre/2022, en bases de datos como ACM, IEEE, ScienceDirect, Google Scholar, entre otras. De los 55 artículos obtenidos, fueron seleccionados 31 que cumplieron con los criterios de inclusión. Los principales resultados indican que: 1) las técnicas de Minería de Datos más utilizadas son predictivas, con tareas y algoritmos de clasificación como «Naïve Bayes»; 2) Twitter es usado principalmente para: análisis de sentimientos y problemas estudiantiles, en su mayoría asociados al COVID-19; además es empleado para evaluar las preferencias de estudio; y 3) el 87% de artículos no especifica la aplicación de una práctica pedagógica. Con estos resultados, es posible determinar que, no existe un consenso sobre una metodología que integre los tres campos descritos, esto es: Minería de Datos, Twitter y educación superior; que brinden oportunidades a los actores de la educación, y permitan mejorar los procesos de enseñanza y aprendizaje.
Con frecuencia, los actores de la educación se encuentran en la búsqueda de fatores relacionados con el rendimiento académico y conduzcan al éxito o fracaso estudiantil. El objetivo del presente estudio consiste en determinar, si la participación estudiantil durante las sesiones de clases presenciales, incide en el rendimiento académico de los estudiantes universitarios, mediante la aplicación de la Metodología Justo a Tiempo para Enseñar con Twitter (JiTTwT). El método utilizado fue cuasiexperimental y transversal, con intervención de dos grupos. La muestra estuvo conformada por 144 estudiantes matriculados en los primeros niveles de la Carrera de Ingeniería Civil de una universidad pública, en el período septiembre/2019 a febrero/2020. Los hallazgos evidencian que, el rendimiento académico de los estudiantes del grupo experimental es mayor en 10.62% respecto al grupo de control, al aplicar la Metodología JiTTwT; además, el porcentaje de estudiantes del grupo experimental que aprueba la asignatura y mejora el rendimiento es mayor en 9.37%, respecto del grupo de control. Con estos resultados se puede determinar que, la participación estudiantil incide en el rendimiento académico de los estudiantes.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.