Disponible en Dadun la tesis «Evaluación continua automatizada en la enseñanza de ingeniería y la recolección de sus datos para Learning Analytics: un estudio post-pandemia» de Kevin Michael Calderón Maceda.

Resumen: La evaluación continua es un sistema de evaluación en el que se propone a los estudiantes actividades evaluables de forma periódica. Por lo tanto, tiene una gran influencia sobre los hábitos de estudio, motivando a los estudiantes a dedicar tiempo desde el principio y favoreciendo un mayor rendimiento académico. El gran obstáculo de la evaluación continua es el tiempo de preparación y corrección de las evaluaciones. Sin embargo, los avances en la tecnología de evaluación automática podrían reducir este tiempo, eliminando las tareas repetitivas del proceso de evaluación. Considerando la posibilidad de usar esta tecnología para superar este obstáculo, en esta tesis se propuso investigar sobre el desarrollo e implementación de un sistema de evaluación continua automatizada, con el objetivo de comprobar si se puede implementar la evaluación continua sin incrementar la carga de trabajo de los profesores. La tesis comenzó tras una pandemia que obligó a adaptarse a la enseñanza a distancia, enfrentando desafíos de carácter tecnológico, pedagógico y personal. Esta transición a la educación a distancia ha tenido efectos en el uso de las tecnologías educativas, por lo que también puede afectar la recepción del sistema de evaluación automatizado. Para valorar estos cambios, se estudió la respuesta al confinamiento de la institución en la que se realizó esta tesis, la Escuela de Ingeniería de la Universidad de Navarra. Para realizar este estudio, se utilizó el modelo CIPP (Context, Input, Process and Product) planteando preguntas y respondiéndolas mediante los resultados de encuestas realizadas durante y después del confinamiento. De esta manera, se consiguió información sobre los estudiantes, profesores y la institución, y se identificaron los retos que se deben enfrentar en futuras situaciones de emergencia. En general, la pandemia de COVID-19 provocó la adopción de nuevas tecnologías en la educación, lo que ha favorecido la normalización de su uso después de la vuelta a la normalidad. La automatización de la evaluación continua es posible gracias a que la tecnología ya ha avanzado lo suficiente para evaluar competencias técnicas en áreas STEM (Science, Technology, Engineering and Mathematics), donde predominan los ejercicios determinísticos. Con esta premisa se desarrolló Codex, una plataforma web que permite la evaluación automatizada. Utilizando esta herramienta en conjunto con la Metodología de Investigación de la Ciencia del Diseño, se implementó un prototipo de evaluación continua automatizada a través de iteraciones en una asignatura de programación. En cada iteración, se comprobó que las calificaciones finales mejoraron, las calificaciones de los proyectos se mantuvieron, y que los estudiantes reflejaban su preferencia por mantener las nuevas evaluaciones en las encuestas realizadas. Adicionalmente, se observó que la herramienta de evaluación automatizada permitió: una gran adaptabilidad y consolidación de evaluaciones en una única plataforma, facilitando la recopilación de datos; y el desarrollo de competencias adicionales en programación. Una evaluación continua y automatizada facilita la recopilación de una gran cantidad de datos, que podrían utilizarse para mejorar el proceso educativo, como propone el campo del Learning Analytics, que busca optimizar el aprendizaje mediante la realización de análisis y comunicación de datos. Por ello, tras la implementación, se estudió la literatura sobre la recolección de datos en este campo. La revisión sistemática de la literatura se realizó acorde a las directrices PRISMA, estableciendo criterios de elegibilidad y de revisión. Tras el proceso de búsqueda y selección, se obtuvieron 113 artículos sobre la educación de ingeniería en el dominio del Learning Analytics. El análisis bibliométrico indicó que el número de publicaciones se encuentra en constante crecimiento, estando distribuidas globalmente, y en 66 revistas distintas. Codificando los datos obtenidos tras el proceso de revisión se identificaron: tres estrategias de obtención de datos; 96 menciones a herramientas, la mayoría clasificadas dentro de 4 categorías; y 12 contextos de recogida de datos. Con esta información, se categorizó el proceso de recopilación de datos de la evaluación continua automatizada: el sistema incluye una estrategia para recopilar datos propios, generados durante las evaluaciones, y a través de un entorno de aprendizaje. Con esta revisión de la literatura, se finalizó la investigación de esta tesis, en la que se obtuvieron las siguientes conclusiones: (a) la pandemia impulsó la adopción de tecnologías educativas, creando un ambiente favorable para continuar con su uso tras el confinamiento; (b) el sistema de evaluación continua automatizada implementado ha conseguido una mejora en las calificaciones finales y la opinión favorable de los estudiantes respecto a las nuevas evaluaciones; y (c) este mismo sistema provee de datos suficientes para aplicar Learning Analytics, al mismo tiempo que ofrece la oportunidad de recopilar datos de otras actividades educativas.

La tesis fue defendida en diciembre de 2024 y ha sido dirigida por Nicolás Serrano Bárcena y Carmen Blanco del Prado.