🎓 Contexto Académico: Asignatura "Tecnología de Aprendizaje", Doctorado en Inteligencia Artificial (Convenio UASD-UMH).
👨🏫 Profesor: Dr. Óscar Martínez Bonastre.
📊 Fuente de Datos: Zenodo (Dataset Público)
En el marco del Doctorado en IA y Aprendizaje Automático (UASD-UMH), hemos desarrollado una herramienta de Learning Analytics para explorar fenómenos educativos mediante datos.
Introducción
Este proyecto surge como una tarea práctica con el objetivo de demostrar cómo las tecnologías open-source y el análisis de datos pueden facilitar la comprensión de fenómenos educativos complejos de manera accesible.
El Objetivo: De los Datos a la Visualización
El propósito principal fue realizar un Análisis Exploratorio de Datos (EDA) sobre un dataset educativo. Buscábamos responder preguntas clave como:
- ¿Cómo se distribuyen los estudiantes por campus y titulación?
- ¿Existe una correlación visible entre la nota de acceso y el rendimiento universitario?
- ¿Podemos identificar patrones tempranos de deserción estudiantil?
La Herramienta: ¿Por qué Python y Dash?
En el ámbito del análisis de datos existen múltiples herramientas. A continuación, un breve contraste de por qué elegimos Python (Dash) frente a otras opciones:
| Plataforma | Ventajas Principales | Limitaciones |
|---|---|---|
| Excel | Omnipresente, fácil de usar para datos pequeños. | No escala con millones de filas, visualización limitada. |
| Power BI / Tableau | Potentes, "drag & drop", conectores nativos. | Costos de licencia elevados, menos flexibles para lógica personalizada. |
| Python
(Dash) Opción elegida |
Flexibilidad total, integración con Machine Learning, 100% Open Source. | Curva de aprendizaje mayor (requiere código). |
Para materializar este análisis, construimos un dashboard interactivo utilizando Pandas para el procesamiento de datos y Dash (by Plotly) para la interfaz web.
🚀 Ver Dashboard en Vivo
Explora los datos interactivamente en la versión desplegada en Google Cloud Run.
Acceder al Dashboard⚠️ Nota: Al estar en una instancia gratuita, puede tardar 10-15 segundos en iniciar ("Cold Start").
Conclusión
Este ejercicio demuestra que la barrera de entrada para implementar estrategias de Learning Analytics es cada vez menor. La colaboración académica entre la UASD y la UMH nos permite explorar estas fronteras tecnológicas y prepararnos para aplicar la Inteligencia Artificial en la mejora sustancial de los procesos de enseñanza-aprendizaje.