Moodle r

Registro en Moodle

La preparación de cuestionarios Moodle basados en datos y actuales suele ser tediosa y llevar mucho tiempo. Mediante el uso de herramientas innovadoras, este proceso puede simplificarse y automatizarse, proporcionando un beneficio sustancial al profesor que desee emplear dichos cuestionarios y, en última instancia, mejorando la experiencia de aprendizaje de los estudiantes. El propósito de este artículo es mostrar cómo crear cuestionarios actualizados y basados en datos para Moodle de forma sencilla. La metodología se basa en varias herramientas populares, de código abierto y gratuitas, y los detalles de su implementación se muestran con un ejemplo. Esto hace que la metodología sea fácilmente accesible para los profesionales.

Moodle inloggen

Las capacidades del paquete exams para la generación automática de exámenes (estadísticos) en R se amplían añadiendo soporte para sistemas de gestión del aprendizaje: Al igual que en versiones anteriores del paquete, la generación de exámenes sigue basándose en archivos Sweave independientes para cada ejercicio, pero en lugar de limitarse a producir diferentes tipos de archivos de salida PDF, el paquete puede ahora generar los mismos ejercicios en una amplia variedad de formatos de salida. Estos incluyen HTML (con varias opciones para mostrar el contenido matemático) y especificaciones XML para exámenes en línea en sistemas de gestión del aprendizaje como Moodle u OLAT. Esta flexibilidad se consigue mediante un nuevo diseño modular y extensible del paquete que permite leer todos los ejercicios trenzados en R y gestionar los archivos suplementarios asociados (como gráficos o archivos de datos). El manuscrito discute las interfaces de usuario fácilmente disponibles, el diseño de la infraestructura subyacente, y cómo la nueva funcionalidad se puede construir en la parte superior de las herramientas existentes.

Trabajos relacionados:Artículo de revista: Flexible Generation of E-Learning Exams in R: Moodle Quizzes, OLAT Assessments, and Beyond (2014) Este artículo puede estar disponible en otra parte de EconPapers: Buscar artículos con el mismo título.

Inicio de sesión en Moodle

Con la adopción de los Sistemas de Gestión del Aprendizaje (SGA) en las instituciones educativas, se dispone de muchos datos que describen el comportamiento en línea de los estudiantes. Muchos investigadores han utilizado estos datos para predecir el rendimiento de los estudiantes. Esto ha dado lugar a un conjunto bastante diverso de resultados, posiblemente relacionados con la diversidad de cursos y variables predictoras extraídas del LMS, lo que hace difícil extraer conclusiones generales sobre los mecanismos subyacentes al rendimiento de los estudiantes. En primer lugar, ofrecemos una visión general de los argumentos teóricos utilizados en la investigación sobre análisis del aprendizaje y los predictores típicos que se han utilizado en estudios recientes. A continuación, analizamos 17 cursos mixtos con 4.989 estudiantes en una única institución que utiliza el LMS Moodle, en los que predecimos el rendimiento de los estudiantes a partir de las variables predictoras del LMS utilizadas en la literatura y de las calificaciones de las evaluaciones intermedias, utilizando tanto regresiones multinivel como regresiones estándar. Nuestros análisis muestran que los resultados de la modelización predictiva, a pesar del hecho de que se recogen dentro de una única institución, varían fuertemente entre cursos. Así pues, la portabilidad de los modelos de predicción entre cursos es baja. Además, demostramos que, a efectos de intervención temprana o cuando se tienen en cuenta las calificaciones de las evaluaciones intermedias, los datos del LMS tienen poco valor (adicional). Esbozamos las implicaciones de nuestros hallazgos y enfatizamos la necesidad de incluir una argumentación teórica más específica y fuentes de datos adicionales aparte de los datos LMS.

Temas de Moodle

Los recursos de e-learning, como las pruebas y cuestionarios en línea o los exámenes electrónicos más formales, son muy útiles en una gran variedad de entornos: evaluaciones formativas frente a sumativas; enseñanza presencial frente a enseñanza a distancia; sincrónica frente a asincrónica; grupos pequeños frente a grupos grandes de estudiantes. Aquí se describen algunos ejemplos típicos.

R/exams puede apoyar estos escenarios mediante la creación de un número suficientemente grande de versiones aleatorias de ejercicios dinámicos que posteriormente pueden ser importados en un sistema de gestión de aprendizaje (LMS). El cuestionario/prueba/examen real se realiza entonces sólo en el LMS, es decir, sin necesidad de tener R ejecutándose en segundo plano, porque todos los ejercicios y sus correspondientes soluciones han sido precalculados y almacenados en el LMS. Los LMS más populares incluyen los sistemas de código abierto Moodle, Canvas, OpenOlat, o Ilias o el sistema comercial Blackboard. R/exams proporciona interfaces adecuadas para todos ellos, pero las capacidades difieren un poco entre los LMS. A continuación nos centraremos en Moodle y OpenOlat, que proporcionan módulos de evaluación muy flexibles y potentes.