Análisis tema 1 y 2

Question 1

Según el Marco de Referencia de la Competencia Digital Docente (MRCDD), ¿cuál es el foco principal de la competencia 4.2 “Analíticas y evidencias de aprendizaje”?

Accepted Answer

Gestionar el ciclo de vida de la evidencia digital generada por el alumnado, desde su generación y almacenamiento hasta su selección, análisis e interpretación.

Question 2

En el proceso de descubrimiento de conocimiento en bases de datos (KDD), ¿qué conjunto de actividades pertenece íntegramente a la fase de preprocesamiento?

Accepted Answer

Limpieza de datos, integración de datos, selección de datos y transformación de datos.

Question 3

¿Cuál de las siguientes afirmaciones recoge mejor la lógica de las Analíticas de Aprendizaje (LA) y el papel de sus actores?

Accepted Answer

Las LA son posibles gracias a los datos, pero están guiadas por decisiones humanas, orientadas a optimizar el aprendizaje del estudiante, la práctica docente y la gestión educativa mediante intervenciones informadas.

Question 4

¿Cuál es la secuencia correcta de las fases del ciclo de las Analíticas de Aprendizaje propuesto por Doug Clow?

Accepted Answer

Aprendices (generan datos) → Datos (se recopilan y analizan) → Métricas/conocimiento (patrones y modelos) → Intervención (acciones pedagógicas que generan nuevos datos).

Question 5

¿Cuál de las siguientes situaciones ilustra mejor un uso PRESCRIPTIVO del análisis de datos educativos?

Accepted Answer

Un sistema que, tras predecir qué estudiantes tienen alto riesgo de abandono, sugiere al profesorado las intervenciones pedagógicas más adecuadas para reducir ese riesgo.

Question 6

¿Cuál de las siguientes afirmaciones describe mejor la relación entre AIED, EDM y LA?

Accepted Answer

AIED se centra en sistemas inteligentes (como tutores), EDM en desarrollar métodos computacionales para explorar datos educativos, y LA en aplicar esos patrones y modelos para comprender y optimizar el aprendizaje.

Question 7

¿Cuál de las siguientes afirmaciones describe mejor la aportación específica de la Ciencia de Datos Educativos (EDS)?

Accepted Answer

Integra tecnología, pedagogía y ética para extraer conocimiento accionable de los datos educativos y transformar ese conocimiento en decisiones que mejoren la enseñanza y el aprendizaje.

Question 8

¿Cuál de las siguientes afirmaciones refleja con mayor fidelidad el concepto de huella digital en educación?

Accepted Answer

La huella digital es el rastro de datos que deja la actividad del individuo en entornos tecnológicos, cuya acumulación masiva posibilita el uso de técnicas de IA y ciencia de datos para obtener información.

Question 9

En el ejemplo de aplicación de la Minería de Datos Educativos (EDM) para la detección temprana del fracaso escolar, ¿qué característica es esencial para el modelo predictivo?

Accepted Answer

Integra datos procedentes de múltiples fuentes (calificaciones, asistencia, datos socioeconómicos, trazas del aula virtual) tras un preprocesamiento riguroso para identificar patrones asociados al abandono.

Question 10

¿Qué rasgo clave define el enfoque Data-Driven de Chris Anderson presentado en la unidad?

Accepted Answer

La defensa de que la correlación puede reemplazar a la causalidad, prescindiendo de marcos teóricos previos gracias a la disponibilidad masiva de datos.

Question 11

En un dataset de calificaciones se detecta que faltan notas en varias pruebas relevantes y la ausencia de datos se concentra en un perfil concreto de alumnado. ¿Qué estrategia resulta más adecuada para gestionar estos valores faltantes?

Accepted Answer

Utilizar métodos basados en modelos que aprovechen otras variables informativas para estimar de forma probabilística los valores faltantes.

Question 12

En relación con la selección de características, en ciencia de datos educativos, ¿qué afirmación se alinea mejor con el enfoque pedagógico y ético que se ha de contemplar?

Accepted Answer

La selección de características combina razones técnicas con una reflexión sobre el significado educativo y las implicaciones de usar ciertos indicadores.

Question 13

En un proyecto de seguimiento longitudinal del aprendizaje, el equipo desea preservar la trazabilidad de cada estudiante sin exponer su identidad ante terceros. ¿Qué enfoque se ajusta mejor a esta necesidad?

Accepted Answer

Sustituir los identificadores personales por códigos que permitan seguir la trayectoria de cada estudiante y custodiar aparte la clave que vincula códigos e identidades.

Question 14

¿Cuál de las siguientes afirmaciones refleja mejor la distinción entre las evidencias de aprendizaje digitales, analógicas, offline y online, y su preparación para el análisis?

Accepted Answer

Muchos registros digitales requieren un preprocesamiento costoso antes de convertirse en datos computables, por lo que su uso debe valorarse frente al esfuerzo necesario.

Question 15

Un equipo construye un modelo de rendimiento usando solo datos de estudiantes con acceso estable a conexión y dispositivos en casa, y después lo aplica a todo el alumnado del centro. ¿Qué tipo de sesgo crees que, muy probablemente, contendrá el dataset?

Accepted Answer

Sesgo muestreo

Question 16

¿Cuál de las siguientes afirmaciones describe mejor el enfoque de diseño de un dataset para analíticas de aprendizaje?

Accepted Answer

Integrar datos administrativos, académicos y de interacción digital para construir una visión más amplia y contextualizada del estudiante.

Question 17

Según la descripción del proceso de data wrangling, ¿cuál de las siguientes prácticas aporta mayor valor a un proyecto de analítica de aprendizaje?

Accepted Answer

Registrar de forma explícita, mediante scripts o cuadernos de trabajo, todas las transformaciones aplicadas al conjunto de datos para garantizar trazabilidad y reproducibilidad.

Question 18

En un conjunto de datos se registra el número de conductas contrarias a la convivencia de cada estudiante. La mayoría tiene ninguna, una o dos incidencias y un grupo reducido acumula entre 20 y 60. Según la unidad, ¿qué tratamiento resulta más adecuado para esta variable si se quiere favorecer una interpretación pedagógica útil?

Accepted Answer

Categorizar la variable en rangos como “sin incidencias”, “incidencias puntuales” y “reincidencia continuada”.

Question 19

Cuando afirmamos que, en inteligencia artificial, “los datos son el código”, ¿qué idea central se subraya respecto al trabajo con datasets educativos?

Accepted Answer

Que la estructura, diversidad y representatividad del conjunto de datos condicionan el comportamiento y la equidad del modelo tanto como el propio algoritmo.

Question 20

Siguiendo la categorización de datos educativos de entrada, proceso, contexto y resultado, ¿cuál de los siguientes ejemplos se ajusta mejor a la categoría de datos de contexto?

Accepted Answer

Información sobre recursos del centro, clima escolar y programas educativos adicionales

Análisis tema 1 y 2

Study Mode

Exam Mode