Determinando la relevancia de los recursos educativos abiertos a través de la integración de diferentes indicadores de calidad

  1. Sanz Rodríguez, Javier
  2. Dodero Beardo, Juan Manuel
  3. Sánchez Alonso, Salvador
Revista:
RUSC. Universities and Knowledge Society Journal

ISSN: 1698-580X

Año de publicación: 2011

Volumen: 8

Número: 2

Páginas: 46-60

Tipo: Artículo

DOI: 10.7238/RUSC.V8I2.1031 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: RUSC. Universities and Knowledge Society Journal

Resumen

El propósito del movimiento de desarrollo de recursos educativos abiertos es proporcionar libre acceso a materiales educativos de alta calidad disponibles en repositorios. Sin embargo, tener acceso a una gran cantidad de materiales educativos no garantiza que estos sean de calidad, y los mecanismos empleados para recomendar los recursos educativos utilizados hasta la fecha se han mostrado insuficientes por diferentes motivos. La mayoría de los sistemas de evaluación están basados en una costosa inspección manual que no permite tener evaluados todos los materiales; además, muchas veces no se tienen en cuenta otras informaciones útiles como la utilización que hacen los usuarios de los materiales, las evaluaciones hechas por los usuarios y los metadatos que describen el material educativo. Para intentar mejorar esta situación, en este documento se exponen las carencias de las propuestas existentes y se identifican todos los posibles indicadores de calidad que pueden aportar información sobre qué materiales recomendar a los usuarios. A través del estudio de un conjunto significativo de materiales del repositorio Merlot se analizan las relaciones existentes entre los distintos indicadores de calidad disponibles, para constatar que existen numerosas correlaciones entre ellos. Posteriormente y a partir de este análisis, se propone una medida de relevancia que integre todos los indicadores de calidad existentes. De esta manera se utilizarán las evaluaciones explícitas realizadas por usuarios o expertos, la información descriptiva proveniente de los metadatos y los datos que proceden del uso de estos, para lograr aumentar la fiabilidad de las recomendaciones al integrar diferentes perspectivas de la calidad. Además, como esta medida se puede calcular de forma automática se garantizará su sostenibilidad, ya que no necesitará de la intervención humana para su cálculo, lo que permitirá que todos los materiales educativos ubicados en repositorios estén valorados.

Referencias bibliográficas

  • AKPINAR, Y. (2008). “Validation of a Learning Object Review Instrument: Relationship between Ratings of Learning Objects and Actual Learning Outcomes”. Interdisciplinary Journal of Knowledge and Learning Objects. Vol. 4, pages 291-302.
  • BARANIUK, R. G. (2007). “Challenges and Opportunities for the Open Education Movement: A Connexions Case Study”. In: Opening Up Education: The Collective Advancement of Education through Open Technology, Open Content, and Open Knowledge. California: MIT Press. Pages 116-132.
  • BOSKIC, N. (2003). Faculty Assessment of the Quality and Reusability of Learning Objects. PhD thesis. Alberta (Canada): Athabasca University.
  • BROWNFIELD, G.; OLIVER, R. (2003). “Factors influencing the discovery and reusability of digital resources for teaching and learning”. In: G. Crisp, D. Thiele, I. Scholten et al. (eds.). Interact, Integrate, Impact: Proceedings of the 20th Annual Conference of the Australasian Society for Computers in Learning in Tertiary Education. Adelaide. pages 74-83.
  • CLAYPOOL, M.; LE, P.; WASED, M. et al. (2001). “Implicit interest indicators”. Proceedings of the 6th international conference on Intelligent user interfaces. New Mexico. Pages 33-40, doi: 10.1145/359784.359836.
  • CUEVA, S.; RODRÍGUEZ, G. (2010). “OERs, Standards and Trends”. Revista de Universidad y Sociedad del Conocimiento (RUSC). Vol. 7, No 1. UOC.
  • FOX, S.; KARNAWATT, K.; MYDLAND, M. et al. (2005). “Evaluating Implicit Measures to Improve Web Search”. ACM Transactions on Information Systems. Vol. 23, No 2, pages 147-168.
  • GARCÍA-BARRIOCANAL, E.; SICILIA, Miguel A. (2009). “Preliminary Explorations on the Statistical Profiles of Highly-Rated Learning Objects”. Metadata and Semantic Research. Proceedings of Third International Conference. Milan: MTSR 2009. Pages 108-117.
  • HAN, K (2004). Quality Rating of Learning Objects using Bayesian Belief Networks. PhD thesis. Canada: Simon Fraser University.
  • KAY, R.; KNAACK, L. (2009). “Assessing learning, quality and engagement in learning objects: the Learning Object Evaluation Scale for Students (LOES-S)”. Educational Technology Research and Development. Vol. 57, No 2, pages 147-168.
  • KAY, R.; KNAACK, L. (2007). “Evaluating the learning in learning objects”. Open Learning: The Journal of Open and Distance Learning. Vol. 22, No 1, pages. 5-28.
  • KELTY, C. M.; BURRUS, C. S.; BARANIUK, R. G. (2008). “Peer Review Anew: Three Principles and a Case Study in Postpublication Quality Assurance”. Proceedings of the IEEE. Vol. 96, No 6, pages 1000-1011.
  • KUMAR, V.; NESBIT, J.; HAN, K. (2005). “Rating Learning Object Quality with Distributed Bayesian Belief Networks: the why and the how”. Fifth IEEE International Conference on Advanced Learning Technologies. ICALT 2005, pages 685-687.
  • KURILOVAS, E.; DAGIENE, V. (2009). “Learning objects and virtual learning environments technical evaluation criteria”. EJEL - Electronic Journal of e-Learning. Vol. 7, No 2, pages 147-168.
  • LI, J. Z.; NESBIT, J. C.; RICHARDS, G. (2006). “Evaluating learning objects across boundaries: The semantics of localization”. Journal of Distance Education Technologies. Vol. 4, No 1, pages 17-30.
  • MCGREAL, R.; ANDERSON, T.; BABIN, G. et al. (2004). “EduSource: Canada’s Learning Object Repository Network”. International Journal of Instructional Technology and Distance Learning. Vol. 1, No 3.
  • OCHOA, X.; DUVAL, E. (2006). “Quality Metrics for Learning Object Metadata”. Proceedings of World Conference on Educational Multimedia, Hypermedia and Telecommunications. ED-Media 2006. Pages 1004-1011.
  • OCHOA, X.; DUVAL, E. (2008). “Relevance Ranking Metrics for Learning Objects”. IEEE Transactions on Learning Technologies. Vol. 1, No 1, pages 34-48.
  • SANZ RODRÍGUEZ J.; DODERO, J. M.; SÁNCHEZ ALONSO, S. (2009). “A preliminary analysis of software engineering metrics-based criteria for the evaluation of learning objects reusability”. International Journal of Emerging Technologies in Learning. Vol. 4, No 1, pages 30-34.
  • SCHAFFERT, S.; GESER, G. (2008). “Open Educational Resources and Practices”. eLearning Papers. No 7. Available at www.elearningpapers.eu. [Accessed: 26 October 2010].
  • TZIKOPOULOS, A.; MANOUSELIS, N.; VUORIKARI, R. (2007). “An Overview of Learning Object Repositories”. In: Learning Objects for Instruction: Design and Evaluation. Idea Group Publishing. Pages 44-64.
  • VUORIKARI, R. Tags and self-organisation: a metadata ecology for learning resources in a multilingual context. PhD thesis. Open Universiteit Nederland.
  • YEN, N. Y.; HOU, F. F.; CHAO, L. R. et al. (2009). “Weighting and Ranking the E-Learning Resources”. Proceeding of the 9th IEEE International Conference on Advanced Learning Technologies. ICALT 2009. Pages 701-703.
  • ZIMMERMANN, B.; MEYER, M.; RENSING, C. et al. (2007). “Improving retrieval of re-usable learning resources by estimating adaptation effort backhouse”. First International Workshop on Learning Object Discovery and Exchange.
Fuente de los datos: Dialnet