Advanced techniques in the analysis and prediction of students' behaviour in technology-enhanced learning contexts

Abstract

El desarrollo y la promoción de herramientas de enseñanza-aprendizaje en el ámbito académico está dando lugar a la recogida de una gran cantidad de datos generados a partir de la actividad habitual de alumnos y profesores. El análisis de estos datos es una oportunidad para mejorar muchos aspectos del proceso de aprendizaje: recomendaciones de actividades, predicción de abandonos, análisis de rendimiento y conocimientos, optimización de recursos, etc. Sin embargo, estas mejoras no serían posibles sin la aplicación de técnicas informáticas que han demostrado una alta efectividad para este fin: minería de datos, big data, machine learning, deep learning, filtrado colaborativo y sistemas recomendadores, entre otros campos relacionados con los sistemas inteligentes. En este número especial se presentan 17 trabajos que muestran avances en el análisis, predicción y recomendación de aplicaciones impulsados por la inteligencia artificial, el big data y el aprendizaje automático en el contexto de la enseñanza.

The development and promotion of teaching-enhanced learning tools in the academic field is leading to the collection of a large amount of data generated from the usual activity of students and teachers. The analysis of these data is an opportunity to improve many aspects of the learning process: recommendations of activities, dropout prediction, performance and knowledge analysis, resources optimization, etc. However, these improvements would not be possible without the application of computer science techniques that have demonstrated a high effectiveness for this purpose: data mining, big data, machine learning, deep learning, collaborative filtering, and recommender systems, among other fields related to intelligent systems. This Special Issue provides 17 papers that show advances in the analysis, prediction, and recommendation of applications propelled by artificial intelligence, big data, and machine learning in the teaching-enhanced learning context.