Uso del Método Bietápico en el estudio de los procesos de enseñanza y aprendizaje musical a través de Moodle

Matilde Duarte de krummel, Manuel Jesús Espigares Pinazo, José Manuel Bautista-Vallejo

Resumen


Este estudio presenta la aplicación de las técnicas del Big Data en procesos de enseñanza-aprendizaje musical, mediados por plataformas telemáticas. Se basa en la aplicación de los principios del aprendizaje virtual, la educación personalizada, el uso de Internet y la aplicación de las técnicas del Big Data a partir de la información recogida en sistemas de gestión del conocimiento. En concreto, se plantea la aplicación de dichas técnicas a los test de evaluación inicial, que el alumnado realiza a principio de curso, para medir su nivel de conocimientos previos en la materia. El análisis de la información se efectúa a partir de los datos recogidos en una herramienta para la elaboración de cursos online, Moodle. A partir de dichos datos, se halla un modelo, denominado Bietápico, que permite clasificar los diferentes niveles de conocimientos musicales. Esta técnica posibilita la división de la información en clusters o conglomerados, a través de procesos de análisis programados y automatizados.

En definitiva, el modelo bietápico ofrece una manera válida y fiable de gestionar datos masivos en línea en procesos de aprendizaje musical, clasificar la información recogida en las bases de datos y establecer perfiles de alumnado facilitando su monitorización y seguimiento educativos.


Palabras clave


TIC, Big Data; educación musical; software educativo.

Citas


Aydin, C.C. & Tirkes, G. (2010). Open Source Learning Management Systems in Distance Learning. TOJET: The Turkish Online Journal of Educational Technology, 9(2), 175-184. Recuperado de http://www.tojet.net/articles/v9i2/9218.pdf

Bryk, A. & Raudenbush, S. (2002). Hierarchical Lineal Models: Applications and Data Analysis Methods. California: Sage Publications.

Calderero, J., Aguirre, A., Castellanos, A., Peris, R. y Perochena, P. (2014). Una nueva aproximación al concepto de educación personalizada y su relación con las tic. Teoría de la Educación. Educación y Cultura en la Sociedad de la Información, 15 (2), 131-151.

Irigoien, I. y Arenas, C. (2006). Clasificación: Análisis de clusters (clustering). En B. Sierra (coord.) Aprendizaje automático: conceptos básicos y avanzados. Aspectos prácticos utilizando el software Weka. Madrid: Editorial Pearson Prentice Hall.

Kay, J., Reimann, P., Diebold, E. & Kummerfeld, B. (2013). MOOCs: So Many Learners, So Much Potential. IEEE InTeLLIGenT SySTemS, (28)3, May-June, 70-77. DOI: http://doi.ieeecomputersociety.org/10.1109/MIS.2013.66

Kearney, M.S. & Levine, P.B. (2015). Early Childhood Education by MOOC: Lessons from Sesame Street. NBER Working, Paper No. 21229, June. DOI: 10.3386/w21229.

Kop, R. (2011). The challenges to connectivist learning on open online networks: Learning experiences during a massive open online course. The International Review of Research in Open and Distance Learning, 12(3), 19-38.

Montgomery, A. P.; Hayward, D. V. ; Dunn, W.; Mike Carbonaro, M. & Amrhein C. G. (2015). Blending for student engagement: Lessons learned for MOOCs and beyond. Australasian Journal of Educational Technology , 31(6), 657-670.

Moodle (2016). Modular Object-Oriented Dynamic Learning Environment. Recuperado de http://www.moodle.org (10-02-2016).

Murillo, F. (2008). Multilevel Models as a Tool for Research in Education. Magis. Revista Internacional de Investigación en Educación, 1(1), 45-62.

Oliveira, R.S. (2014). A utilização das tecnologias de informação e comunicação no espaço escolar. Itaporanga: Universidade Estadual da Paraíba.

RAND Corporation (2014). Early progress: Interim research on personalized learning. Seattle, WA: The Bill and Melinda Gates Foundation.

Redding, S. (2014a). Personal Competencies in Personalized Learning. Center on Innovations in Learning, Temple University, Philadelphia, PA. Recuperado de http://www.centeril.org/publications/Personalized_Learning.pdf (16-05-2016).

Redding, S. (2014b). Personal Competency. A Framework for Building Students’ Capacity to Learn. Philadelphia, PA: Temple University, Center on Innovations in Learning. Recuperado de http://www.centeril.org/publications/Personal_Compentency_Framework.pdf (16-05-2016).

Redding, S. (2014c). The something other: Personal competencies for learning and life. Philadelphia, PA: Temple University, Center on Innovations in Learning. Recuperado de http://eric.ed.gov/?id=ED558074 (16-05-2016).

Sadovaya, V.V.; Korshunova, O.V. & Nauruzbay, Z.Z. (2016). Personalized Education Strategies. Mathematics Education, 11(1), 199-209.

Sandler, S. (2012). People v. ‘personalization’: Retaining the human element in the high-tech era of education. Education Week, 31(22), 20-22.

Santos, I. y Carvalho, A.A. (2014). Formação de Professores em LMS: o Modelo Bietápico. Revista Iberoamericana de Informática Educativa, 20, Julio-Diciembre, 11-20.

Twyman, J. (2014). Competency-based Education: Supporting Personalized Learning. Philadelphia, PA: Center on Innovations in Learning. Recuperado de http://www.centeril.org/connect/resources/Connect_CB_Education_Twyman 2014_11.12.pdf (16-05-2016).

Yin, R.K. (2009). Case Study Research: Design and Methods. California: Sage Publications.


Texto completo: PDF

Refbacks

  • No hay Refbacks actualmente.


INDEXADA EN:

 

ISSN IMPRESO:          2225-5117

ISSN ELECTRÓNICO: 2226-4000

 

Dirección de Investigación y Postgrados. Universidad Autónoma de Asunción.
6to. Piso. Sede Central Jejui e/ O´Leary y 15 de Agosto. Asunción-Paraguay.
Tél: 595 21 495873. E-mail: informacion.cientifica@uaa.edu.py

Todo el contenido de esta revista está bajo una Licencia Creative Commons