Selección de una Plataforma de Enseñanza de Código Abierto para las Carreras de Ingeniería, Empleando el Análisis Formal de Concepto (FCA), caso de una Universidad Pública Peruana

• Autor: Zavala Huavel, Esequiel
• Formato: tesis de maestría
• Fecha de Publicación: 2025
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: UNMSM-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.unmsm.edu.pe:20.500.12672/26687
• Enlace del recurso: https://hdl.handle.net/20.500.12672/26687
• Nivel de acceso: acceso abierto
• Materia: Plataforma digitales; Aprendizaje; Software; https://purl.org/pe-repo/ocde/ford#2.02.04

Muchos sistemas de gestión de aprendizaje (LMS) existen en el mercado, los cuales son herramientas de software diseñados para gestionar las actividades de aprendizaje de los usuarios. Un LMS es una solución estratégica de alto nivel para planificar, entregar y gestionar los eventos de aprendizaje dentro de una institución, los cuales pueden ser en línea, aula virtual, cursos dirigidos por un profesor, seguimiento de avance y rendimiento del alumno. ¿Cuál de los tantos sistemas LMS que existe en el mercado se elegirá? De aquí nace el tema de como seleccionar la plataforma de enseñanza. El objetivo principal del presente trabajo fue establecer un método que pueda evaluar las plataformas de enseñanza de código abierto en base al análisis formal de concepto (FCA) (basado en inteligencia artificial) el cual es una teoría matemática y una técnica de aprendizaje de análisis de datos. El proceso de desarrollo del trabajo se inició con el estudio y análisis del FCA hasta entenderlo por completo. Seguidamente se seleccionaron las plataformas CMS2.0 Content Management Systems, Claroline1.8.1, Dokeos1.6.4, Mambo4.6.1, Moodle1.9 y My Source Matrix3.14.0. que eran las seis plataformas más populares que cumplían con los siguientes requerimientos técnicos: servidor Web y de aplicaciones, base de datos, sistema operativo y lenguaje de programación. Luego se aplicó el método desarrollado en esta tesis para evaluar dichas plataformas, considerándose sus características agrupadas en 3 categorías: Categoría aspectos técnicos que a su vez consta de dos subcategorías que son: seguridad y performance. Categoría usabilidad que consta de 4 subcategorías que son: soporte, interoperabilidad, flexibilidad y gestión. Categoría herramientas integradas que consta de 4 subcategorías que son: herramientas de comunicación, herramientas de administración, herramientas de distribución y herramientas de desarrollo totalizando 97 características evaluadas. Numerosos artículos y sitios brindan revisiones del aprendizaje, de plataformas, en su mayoría concentrados en el estudio comparativo de sus características. Estas investigaciones comparativas se fundamentan en análisis realizados por especialistas. Generalmente, tras concluir el proceso de evaluación, estos profesionales completan registros de información, los cuales son posteriormente detallados o revisados en distintos puntos de control. Para los resultados del presente trabajo los puntos de control de evaluación de las plataformas de aprendizaje se han traducido en datos en un formato específico. Luego, el análisis comparativo se realizó utilizando un método de minería de datos. Lattice Miner, una herramienta de software que implementa este método ha proporcionado múltiples clasificaciones de criterios de las plataformas de aprendizaje consideradas, lográndose que las fortalezas y limitaciones de las plataformas evaluadas se resalten de manera integral.