Diseño y simulación de un modelo de predicción para la evaluación de la competencia digital docente usando técnicas de Machine Learning

Abstract

Machine Learning (ML) es un campo de la inteligencia artificial que, a través de técnicas, elabora predicciones de datos masivos. La competencia digital docente (CDD) refiere comúnmente a las habilidades y destrezas de los docentes en sistemas digitales y su aplicación en los procesos de enseñanza-aprendizaje. La investigación sobre CDD es importante para las instituciones, ya que de su evaluación dependen el aprendizaje, trayectoria, dirección y comportamiento de los alumnos. La CDD en Colombia se basa en 5 elementos: Comunicativa, de gestión, investigativa, pedagógica y tecnológica, y cada uno de ellos se mide en tres niveles: Explorador, integrador e innovador. Las preguntas de investigación fueron: (1) ¿Qué tipo de resultados podemos esperar de la predicción de la CDD con técnicas de ML? (2) ¿Qué técnicas de ML son efectivas para predecir la CDD? (3) ¿Qué ventajas trae predecir la CDD con técnicas de ML? La metodología pretende diseñar un modelo de predicción de la CDD en Colombia aplicando 9 técnicas de ML usando el software Orange Data Mining. Los resultados muestran la alta efectividad que tienen las técnicas inteligentes para predecir la CDD. El modelo muestra que es retroalimentable, escalable y permite proponer itinerarios personalizados de aprendizaje.

Keywords

• competencia digital docente
• machine learning
• inteligencia artificial
• aprendizaje adaptativo
• tecnología emergente