GRIAL resources

Now showing 1 - 3 of 3

Privacidad, seguridad y legalidad en soluciones educativas basadas en Blockchain: Una Revisión Sistemática de la Literatura
(2020-05-06) Amo Filvà, D.; Alier, M.; García-Peñalvo, F. J.; Fonseca, D.; Casañ, M. J.
La Analítica del Aprendizaje (proveniente del término en inglés Learning Analytics) procesa los datos de los estudiantes, incluso los estudiantes menores de edad. El ciclo analítico consiste en recoger datos, almacenarlos durante largos períodos y utilizarlos para realizar análisis y visualizaciones. A mayor cantidad de datos, mejores resultados en el análisis. Este análisis puede ser descriptivo, predictivo e, incluso, prescriptivo, lo que implica la gestión, el tratamiento y la utilización de datos personales. El contexto educativo es, por lo tanto, muy sensible, a diferencia de los contextos individuales en los que el análisis se utiliza a voluntad. No está claro cómo están utilizando los datos de los estudiantes las empresas de tecnología que dan servicio en educación y a quiénes realmente se les beneficia, cómo esto afectará a los estudiantes en un futuro a corto y largo plazo, o qué nivel de privacidad o seguridad se aplica para proteger los datos de los estudiantes. Por consiguiente, y en relación con lo expuesto, el análisis de datos educativos implica un contexto sensible y de fragilidad en la gestión y análisis de datos personales de los estudiantes, incluidos menores, en el que hay que maximizar las precauciones. En esta revisión sistemática de la literatura se explora la importancia de la protección y seguridad de los datos personales en el campo de la educación mediante las promesas emergentes de los interesados en usar la tecnología blockchain. Los resultados denotan que es importante entender las implicaciones y riesgos derivados de usar tecnologías emergentes en educación, su relación con la sociedad y la legalidad vigente
Privacidad y gestión de la identidad en procesos de analítica de aprendizaje
(Programa de Doctorado Formación en la Sociedad del Conocimiento, 2020-01-31) Amo Filvà, D.
Las analíticas en el contexto educativo (Academic Analytics / Learning Analytics) implican un procedimiento de explotación de datos para la mejora del proceso de enseñanza/aprendizaje. Este procedimiento consiste en recolectar, analizar y crear visualizaciones de los datos de los procesos educativos y/o de los estudiantes. Los datos personales, registros de actividad y metadatos de estudiantes y profesores se almacenan, comparten, transforman y utilizan a discreción por las instituciones educativas y servicios de terceros. La privacidad, confidencialidad y seguridad de los datos personales de estudiantes quedan expuestas a diario cuando no hay un control o gestión adecuado. El tratamiento analítico de los datos puede ir en contra de los intereses o voluntad de los estudiantes. Esta situación es más delicada cuando se involucran menores de edad. El uso de las analíticas en educación está generando un creciente entorno de desconfianza en cuanto el tratamiento de datos de las personas involucradas. Los procesos educativos donde intervienen procedimientos de analíticas educativas presentan un doble problema. Por un lado, la fragilidad de los datos debida a la baja protección de la privacidad, la confidencialidad y la seguridad de datos en los almacenes digitales. Por otro lado, la falta de madurez en los procedimientos y soluciones de protección de los datos personales y de la identidad de los estudiantes. El problema es grave y afecta tanto al uso como a la transferencia y custodia de datos generados por el estudiante. Los términos de uso y políticas de privacidad imponen unas condiciones que estudiantes y profesores deben validar para usar el servicio. No obstante, durante el uso del servicio no suele quedar claro ni para los estudiantes, ni para los profesores, ni para las instituciones dónde están los límites de uso, acceso, gestión o tratamiento de datos. Las leyes de protección de datos otorgan una serie de derechos a estudiantes y profesores, contemplando incluso situaciones excepcionales y de índole personal. Estos derechos ofrecen un margen de libertad en la configuración de sus perfiles, que las plataformas de aprendizaje deben considerar como parte de su diseño y activadas por defecto. Las plataformas educativas no disponen de las funcionalidades para ejercer todos los derechos. La presente tesis investiga de forma analítica el estado de la cuestión. El trabajo realizado en la investigación identifica, diseña y evalúa soluciones que resuelven total o parcialmente de la problemática descrita. En primer lugar, se exploran las posibilidades de la tecnología emergente blockchain. En segundo lugar, se evalúan soluciones a nivel de almacén de datos en los entornos virtuales de aprendizaje. En ambas perspectivas se aborda una parte experimental centrada en el desarrollo de prototipos funcionales para: • Que exista una adecuada protección, confidencialidad y seguridad de los datos educativos almacenados. • Que las plataformas educativas estén tecnológicamente preparadas para asumir el ejercicio de los derechos del estudiante. • Y, finalmente, que se pueda transferir a roles educativos la necesidad de proteger a los estudiantes y profesores haciendo un uso correcto de las herramientas digitales del aula. Los resultados de la investigación reflejan que el problema es complejo y múltiple. Se demuestra que blockchain no puede aportar soluciones a la privacidad y seguridad a nivel del almacén de datos. Desde la perspectiva de los entornos virtuales de aprendizaje, se aportan propuestas para el avance de la ciencia y se implementan soluciones funcionales a cuestiones concretas del problema. La investigación aporta una evolución clara al estado de la cuestión y nuevas líneas de trabajo en las que abordar distintas cuestiones de la problemática a futuros.
Clickstream for learning analytics to assess students’ behavior with Scratch
(2019-01-01) Amo Filvà, D.; Alier Forment, M.; García-Peñalvo, F. J.; Fonseca Escudero, D.; Casañ, M. J.
The construction of knowledge through computational practice requires to teachers a substantial amount of time and effort to evaluate programming skills, to understand and to glimpse the evolution of the students and finally to state a quantitative judgment in learning assessment. The field of learning analytics has been a common practice in research since last years due to their great possibilities in terms of learning improvement. Both, Big and Small data techniques support the analysis cycle of learning analytics and risk of students’ failure prediction. Such possibilities can be a strong positive contribution to the field of computational practice such as programming. Our main objective was to help teachers in their assessments through to make those possibilities effective. Thus, we have developed a functional solution to categorize and understand students’ behavior in programming activities based in Scratch. Through collection and analysis of data generated by students’ clicks in Scratch, we proceed to execute both exploratory and predictive analytics to detect patterns in students’ behavior when developing solutions for assignments. We concluded that resultant taxonomy could help teachers to better support their students by giving real-time quality feedback and act before students deliver incorrectly or at least incomplete tasks.

GRIAL resources

Browse

Filters

Settings

Sort By

Results per page

Search Results