Uso de modelos de analítica de texto en la detección y análisis de tendencias en e-learning

La revisión de literatura científica es una tarea habitual entre investigadores que deseen detectar las tendencias que están influyendo como palancas de cambio en la evolución de una disciplina o ámbito concreto de investigación. Obtener tal conocimiento requiere de pesadas y repetitivas tareas de extracción, análisis, síntesis y clasificación de cientos, y en algunos casos miles, de referencias bibliográficas. Estas primeras fases de “retransformación” de la información requieren de un gran esfuerzo por parte del equipo de analistas para recoger y ordenar resultados de la evidencia científica en los que basar sus conclusiones, dedicación, que puede incrementarse en función del zoom de cada búsqueda.  

En su facultad de observación del “mapamundi” del conocimiento para detectar y reflexionar acerca de las tendencias y acontecimientos que están transformando la educación superior en línea en el mundo, el eLC integra en su actividad tales tareas de revisión y prospectiva documental. Con la intención de facilitar el camino hacia el descubrimiento y análisis de la información relevante objetivo de cada estudio, el centro ha pilotado un proyecto consistente en automatizar parte de este proceso de revisión basándose en el uso de tecnologías de analítica y minería de texto.

Las técnicas basadas en minería de texto pueden definirse como la aplicación de métodos y técnicas computacionales sobre datos textuales para encontrar información relevante e intrínseca y conocimiento previamente desconocido (Do Prado  & Ferneda, 2007). A su vez, la analítica de texto  suele servirse de técnicas de estadística, aprendizaje automático, procesamiento de lenguaje natural (PLN) que sumadas a estrategias concretas de búsqueda, confieren a la máquina la posibilidad de  “comprender” qué información relevante ha de descubrir entre montañas de contenidos tanto estructurados como sin estructurar. Así, es frecuente su uso en la extracción de información de valor en contextos diversos como: entrevistas, cuestionarios, análisis de medios, etc.

En este sentido, en la realización del proyecto ha intervenido MeaningCloud, empresa líder del sector de analítica de texto en la nube, para desarrollar y aplicar un modelo de categorización profunda, capaz de extraer y clasificar automáticamente cientos de artículos científicos en elearning. La prueba,  dirigida y supervisada desde el departamento de Detección y análisis de tendencias del centro, se ha desarrollado apoyándose en las taxonomías de clasificación definidas en un informe sobre tendencias de investigación en e-Learning producido desde el mismo equipo.  

La estructura y codificación propuestas en el informe para la categorización del aprendizaje en línea,  ha permitido que las más de 500 reglas semánticas implementadas para el desarrollo del modelo de clasificación automática demuestren la viabilidad de aplicación de este tipo de herramientas de analítica de texto en el ámbito de investigación del aprendizaje virtual.

Parte de los resultados de esta experiencia piloto fueron presentados en la conferencia anual sobre investigación, educación e innovación (ICERI’19) celebrada recientemente en Sevilla.


López Ruiz, J., Garcia Brustenga, G. (2019) Aplicación de un modelo de analítica de texto para la detección y clasificación automática de tendencias de investigación en e-Learning (caso UOC). Universitat Oberta de Catalunya. eLearn Center.


Foto de cabecera en el post de Markus Spiske en Unsplash

 

José López on Twitter
José López
Innovation at the UOC's eLearn Center Trend Spotting and Analysis' team. With a Diploma in Business Science from the Universitat Oberta de Catalunya, he has followed postgraduate studies in Product Management and Innovation in Technology, Creative Processes, Network and Systems Administration and Management and Trainer Training. Specialising in the field of innovation process and project management he has, since 2007, formed part of the innovation management team at the Universitat Oberta de Catalunya, offering support for the implementation of the University’s innovation model.

31 thoughts on “Uso de modelos de analítica de texto en la detección y análisis de tendencias en e-learning”

  1. Pingback: nằm mơ chồng ngoại tình

  2. Pingback: easy essay help

  3. Pingback: Buy Beretta Guns Online

  4. Pingback: help writing a essay for college

  5. Pingback: custom essays toronto

  6. Pingback: doctoral dissertations

  7. Pingback: best essay editing service

  8. Pingback: write my research paper free

  9. Pingback: pay someone to write my paper

  10. Pingback: help writing a thesis statement

  11. Pingback: pasar qq

  12. Pingback: Skrotning av fordon

  13. Pingback: imitation service breitling

  14. Pingback: generic cialis online

  15. Pingback: cialis and alcohol

  16. Pingback: cialis website

  17. Pingback: cialis professional

  18. Pingback: does viagra lower blood pressure

  19. Pingback: viagra generic over the counter

  20. Pingback: viagra vs cialis

  21. Pingback: goodrx viagra

  22. Pingback: online canadian pharcharmy

  23. Pingback: canada drug pharmacy

  24. Pingback: global pharmacy canada

  25. Pingback: Rumalaya

  26. Pingback: order prescriptions online without doctor

  27. Pingback: viagra

  28. Pingback: mơ thấy đá bóng đánh con gì

  29. Pingback: mơ thấy bướm phụ nữ

  30. Pingback: con ong la so may

  31. Pingback: web design agency

Leave a Reply