Learning analytics en cursos sobre TICS utilizando Moodle, Spark y Jupyter notebooks
El presente proyecto se plantea con un doble objetivo. Por un lado se quiere crear una plataforma tecnológica de eLearning necesaria para atender las necesidades de un proyecto emprendedor real. En concreto se trata de un club de robótica y programación, a modo de actividades extraescolares, en el q...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2018 |
| País: | España |
| Institución: | Universitat Oberta de Catalunya (UOC) |
| Repositorio: | O2, repositorio institucional de la UOC |
| OAI Identifier: | oai:openaccess.uoc.edu:10609/86905 |
| Acceso en línea: | http://hdl.handle.net/10609/86905 |
| Access Level: | acceso abierto |
| Palabra clave: | almacén de datos big data elearning data warehouse magatzem de dades Big data -- TFM Dades massives -- TFM Datos masivos -- TFM |
| Sumario: | El presente proyecto se plantea con un doble objetivo. Por un lado se quiere crear una plataforma tecnológica de eLearning necesaria para atender las necesidades de un proyecto emprendedor real. En concreto se trata de un club de robótica y programación, a modo de actividades extraescolares, en el que los alumnos tendrán los contenidos formativos a su disposición a través de dicha plataforma. Por otro lado se quiere aprovechar la información generada por los alumnos para crear un almacén de datos y posteriormente generar modelos de análisis que permitan mejorar la calidad de los contenidos formativos de la plataforma. El proyecto consta de dos partes bien diferenciadas. En primer lugar se ha creado la arquitectura de la plataforma de eLearning. Cabe destacar la configuración de los diversos servicios en modo cluster, que permitirá una futura escalabilidad del sistema. Las tecnologías utilizadas en esta parte son Moodle, PostgreSQL, Spark, Jupyter notebooks y MongoDB. La segunda parte consiste en la explotación de los datos, para lo cual se recurre al servidor Pentaho, se crea un almacén de datos con Spoon y se diseña un cubo de análisis multidimensional con Schema Workench que finalmente se analiza con Saiku Analytics. |
|---|