Aportaciones para la mejora de la educación virtual en la enseñanza de la ingeniería

  1. Peñafiel Aguilar, Mirian Guadalupe
Dirigida por:
  1. Sergio Luján Mora Director

Universidad de defensa: Universitat d'Alacant / Universidad de Alicante

Fecha de defensa: 16 de febrero de 2018

Tribunal:
  1. José Antonio Gutiérrez de Mesa Presidente/a
  2. Santiago Meliá Beigbeder Secretario
  3. Mary Luz Sánchez Gordon Vocal
Departamento:
  1. LENGUAJES Y SISTEMAS INFORMATICOS

Tipo: Tesis

Teseo: 533293 DIALNET lock_openRUA editor

Resumen

INTRODUCCIÓN Hoy en día, el uso de las Tecnologías de la Información y Comunicación (TIC) en la educación, es prueba de innovación, calidad y facilidad de acceso. Conscientes de este reto, las instituciones de educación superior están haciendo esfuerzos para incorporar estas herramientas que promuevan, motiven y mejoren los procesos de enseñanza aprendizaje. La inclusión de políticas mundiales que apoyan el uso de las TIC en la educación ha sido deseada y esperada desde hace mucho tiempo. La primera política referida a la integración de las TIC fue declarada explícitamente dentro de los Objetivos de Desarrollo del Milenio ( ODM ) descritos en el objetivo 8F. “En cooperación con el sector público, proporcionar acceso a los beneficios en las nuevas tecnologías, especialmente la información y la comunicación”, y en la reunión de Educación Global para Todos (EPT) 2014, cuyos objetivos educativos propuestos por el Grupo de Trabajo Abierto sobre el Desarrollo Sostenible 4. enuncia: “Garantizar la inclusión de oportunidades de aprendizaje permanente y una educación de calidad y equitativa para todos”. Siendo la universidad la llamada a dar respuestas a las necesidades emanadas del avance de la tecnología, considerando que los debates acerca de uso de las TIC no son de hoy, sino más bien una preocupación que viene dada desde el surgimiento mismo de la tecnología. Hoy en día, conscientes de este contexto, las instituciones de educación superior están incorporando las TIC para promover el logro efectivo de los resultados de aprendizaje. Las TIC se involucran en todo el quehacer humano como parte integral y activa de nuestra sociedad. Por tanto, ya no es posible pensar en una educación en la cual las TIC no sean un apoyo esencial en todo el proceso educativo, volviéndose una parte consustancial del mismo. El impacto de las TIC ha implicado que se deban utilizar nuevas herramientas para aprender, comunicarse y vincularse con la sociedad acorde a su desarrollo. Una prueba de ello es la vinculación entre educación y tecnología. Precisamente, las instituciones educativas alrededor del mundo han tratado de incluir el uso de algún tipo de TIC como evidencia de innovación y calidad en los procesos educativos. Una de las formas más utilizadas de las TIC es el uso de los sistemas de gestión de aprendizaje tales como Moodle con el uso del aula virtual para la adopción de la educación virtual desde sus diferentes modalidades. Adicionalmente las características particulares de la enseñanza en ingeniería que necesita ser enfocado desde sus rasgos distintivos tales como: diseñar actividades de tipo práctico y concreto, contextualizar el problema, motivar el aprendizaje relacionando el material nuevo con el anterior, etc., son sólo algunas de las recomendaciones que deben ser consideradas cuando se diseñan actividades de aprendizaje en carreras técnicas, lo cual generalmente no ocurre debido a la brecha que existe entre las enseñanzas técnicas, la pedagogía y la didáctica, sin entender que son componentes que deben tener un vínculo estrecho casi intangible pero esencial. La motivación de esta investigación es aportar con propuestas que permitan reducir la brecha entre la tecnología y la enseñanza en ingeniería. Tales propuestas permitirán apoyar a instituciones de educación superior que tienen dificultades para incluir la tecnología como herramienta en el aula. Algunas barreras que impiden la inclusión de las TIC en la educación virtual para ingeniería se deben a la falta de estándares, modelos y metodologías que permitan proveer de un marco de trabajo guía para la implementación de la educación virtual, para ello se ha trabajado en las propuestas que se describen a continuación. DESARROLLO El trabajo desarrollado en esta investigación consideró como insumos, el diagnóstico realizado desde la perspectiva de los involucrados de la institución del caso de estudio así como también la información que proviene de la revisión sistemática de la literatura, para con ello establecer las necesidades, las mismas que permitieron establecer el campo de acción de esta investigación. Por tanto los aportes de esta investigación se basan en propuestas que contribuyen con modelos y metodologías que permitan un marco de trabajo guía para la optimización de los procesos relacionados con el uso de la educación virtual en las instituciones de educación superior de ingeniería. Se partió con establecer un marco de trabajo del Modelo PEME (Planificar, Elaborar, Monitorear, Evaluar) para diseñar espacios virtuales basados en fundamentos pedagógicos, instruccionales y técnicos. Asimismo se definió un proceso de autoformación de docentes de ingeniería Input-Output-Process (IPO) que contempla entradas, procesos y salidas utilizando la educación virtual para la autoformación permanente. Un aporte muy importante en esta investigación lo constituyó la Metodología de Análisis de Texto y Análisis de Sentimiento (ATS), la misma que se basa en un conjunto de herramientas de minería de datos que utilizan el análisis de texto y el análisis de sentimiento para analizar los textos no estructurados que provienen de la web. Así como los datos que provienen de la web tales como redes sociales o de las empresas que utilizan la minería de datos para determinar el sentimiento positivo o negativo de sus clientes, así mismo se propone esta metodología para analizar los datos del contexto educativo, con el objetivo de obtener un valor de polaridad que permita analizar el sentimiento positivo, negativo o neutro de los datos de este contexto. La propuesta define dos fases la Fase 1 de Análisis de Texto donde se procede a la recolección y limpieza de datos terminando la fase al determinar la frecuencia de palabras obtenidas. A continuación se pasa a la Fase 2 donde se realiza el proceso de traducción automática, con el resultado obtenido se realiza el análisis de sentimientos propiamente dicho, para finalmente obtener los valores de polaridad de las cadenas analizadas. La aplicación de esta metodología permitió recabar importante información del diagnóstico realizado a los involucrados, que no pudo ser evaluado utilizando métodos cuantitativos tradicionales. Para validar las propuestas se utilizó como caso de estudio a la Escuela Politécnica Nacional, institución líder en las enseñanzas técnicas en su país, este caso de estudio es relevante por la particularidad de los datos. Con el fin de realizar un diagnóstico del estado actual de la educación virtual en la IES del caso de estudio, se utilizó el Modelo de madurez del e-learning (eMM) que permitió establecer fortalezas, debilidades y propuestas de mejora. Adicionalmente se propone la incorporación de una nueva Área clave de proceso (KPAs) dentro del modelo eMM, como es la Accesibilidad. La propuesta se basa en la necesidad de incorporar este concepto dentro de la educación virtual dada su relevancia para que el acceso a la educación de los estudiantes con algún tipo de discapacidad no se vea limitado. CONCLUSIONES Como conclusiones del trabajo realizado se pueden mencionar: La investigación realizada partió de la identificación del problema y de la definición de una base teórica del estado de la cuestión de la educación virtual. El diagnóstico realizado para determinar la línea de base de acción para esta investigación desde la perspectiva de los involucrados, utilizó técnicas tradicionales de investigación y técnicas de minería de datos. Como resultado se obtuvo el complemento ideal en razón de la dificultad de cuantificar y evaluar las preguntas abiertas de los instrumentos como los cuestionarios en línea. De esta forma se pudo corroborar resultados y realizar un estudio más detallado de los datos con el objetivo de detectar información relevante. La propuesta de un marco de trabajo para implementar aulas virtuales en ingeniería que contemple elementos pedagógicos, didácticos y tecnológicos se vio como una falencia por tanto una necesidad. Para ello se propone el modelo PEME para la construcción espacios virtuales de aprendizaje, el modelo define fases que guían este proceso, lo que constituye un aporte para eliminar la brecha entre la educación en ingeniería y la tecnología. La necesidad de un proceso de formación permanente para los docentes de ingeniería fue detectada, para satisfacer este requerimiento se propone un modelo de proceso de autoformación que considera entradas, procesos y salidas para la actualización permanente con el uso del e-learning y el autoaprendizaje contínuo en los roles de estudiante y tutor en forma simultánea. La metodología de análisis de texto y análisis de sentimiento usando minería de datos, se propone como una solución a la necesidad de evaluar cadenas de texto no estructuradas de los entornos en línea con resultados satisfactorios. Si bien esta metodología fue probada para un entorno educativo la generalidad de sus métodos permite que pueda ser usada en cualquier entorno. El modelo de madurez eMM, se seleccionó como una solución a la falta de estándares de calidad de los procesos involucrados en la educación virtual. Dado que este modelo ofrece un conjunto de elementos fácilmente adaptables a las necesidades de las IES, pudo ser aplicado a la EPN como caso de estudio, ofreciendo recomendaciones para la aplicación y mejora de la educación virtual. Se detectó información relevante para la toma de decisiones por parte de los involucrados como el compromiso por parte de los docentes, para dedicar tiempo y esfuerzo para promover el uso de las TIC en el aula a través de las aulas virtuales como herramientas de apoyo al trabajo presencial. Por tanto será importante proponer incentivos que les facilite a los docentes plasmar en acciones concretas sus intenciones. El determinar que todos los involucrados consideran a Moodle como una herramienta con un alto grado de usabilidad, y que el b-learning es la modalidad apropiada para este caso de estudio, constituye información que permitirá a los gestores de la institución la toma de decisiones acertivas. Otro punto detectado en la investigación fue que los docentes también requieren soporte para el diseño de sus cursos a través de un equipo de apoyo. Este es un indicador que evalúa el modelo de madurez eMM y que en el análisis realizado se hizo evidente, esto permitirá optimizar el uso de la plataforma por parte de los involucrados. REFERENCIAS ACM. (2017). The ACM Computing Classication System (CCS). (Disponible en: https://goo.gl/svaBFK). Agrawal, R., Golshan, B., y Papalexakis, E. (2016). Toward data-driven design of educational courses: a feasibility study. Journal of Educational Data Mining (JEDM), 8 (1), pp. 1-21. Agrawal, R., y Srikant, R. (1994). Fast algorithms for mining association rules. En 20th International Conference on Very Large Data Bases (VLDB) (Vol. 1215, pp. 487-499). Aguado, D., Arranz, V., Valera-Rubio, A., y Marín-Torres, S. (2011). Evaluación de un programa blended-learning para el desarrollo de la competencia trabajar en equipo. Psicothema, 23 (3), pp. 356-361. Ahlan, A. R., y Subiyakto, A. (2014). Implementation of input-process-output model for measuring information system project success. Indonesian Journal of Electrical Engineering and Computer Science, 12 (7), pp. 5603-5612. Alba Pastor, C and Carballo Santaolalla, R. (2005). Viabilidad de las propuestas metodológicas para la aplicación del crédito europeo por parte del profesorado de las universidades españolas, vinculadas a la utilización de las TIC en la docencia y la investigación. Revista de Educación, 337, 71-97. Aldosemani, T. I., Shepherd, C. E., Gashim, I., y Dousay, T. (2015). Developing third places to foster sense of community in online instruction. British Journal of Educational Technology, 47 (6), 1020-1031. Aldrich, C. (2003). Simulations and the future of learning: An innovative (and perhaps revolutionary) approach to e-learning. John Wiley & Sons. Allen, I. E., y Seaman, J. (2013). Changing Course: Ten years of tracking online education in the United States. En Sloan Consortium (pp. 1-47). ERIC. Al-Mahmoud, H., y Al-Razgan, M. (2015). Arabic text mining a systematic review of the published literature 2002-2014. En IEEE 17th International Conference on Cloud Computing (ICCC) (pp. 1-7). Almasoud, A. M., Al-Khalifa, H. S., y Al-Salman, A. (2015). Recent developments in data mining applications and techniques. En IEEE 10th International Conference on Digital Information Management (ICDIM) (pp. 36-42). Alonso, F., López, G., Manrique, D., y Viñes, J. M. (2005). An instructional model for web-based e-learning education with a blended learning process approach. British Journal of Educational Technology, 36 (2), 217-235. Altrabsheh, N., Cocea, M., y Fallahkhair, S. (2014). Sentiment analysis: towards a tool for analysing real-time students feedback. En IEEE 26th International Conference on Tools with Articial Intelligence (ICTAI) (pp. 419-423). Araujo, M. (2011). Las revisiones sistemáticas (I). Medwave, 11 (11), 16. Awang, N. B., y Darus, M. Y. B. (2012). Evaluation of an open source learning management system: Claroline. Procedia-Social and Behavioral Sciences, 67, 416-426. Bacsich, P. (2010). Benchmarking e-learning in UK universities: Lessons from and for the international context. Correlation between Performance and Quality of Academic Stain National Open University of Nigeria (NOUN), 4 (1), 19. Baker, R. (2010). Data mining for education. En International Encyclopedia of Education (Third Edition) (Vol. 7, pp. 112-118). Oxford, UK: Elsevier. Baker, R., y Yacef, K. (2009). The state of educational data mining in 2009: A review and future visions. Journal of Educational Data Mining (JEDM), 1 (1), 317. Bakharia, A., Corrin, L., de Barba, P., Kennedy, G., Gašević, D., Mulder, R., Lockyer, L. (2016). A conceptual framework linking learning design with learning analytics. En 6th International conference on Learning Analytics & Knowledge, (ICLAM) (pp. 329-338). Banumathi, A., y Pethalakshmi, A. (2012). A novel approach for upgrading Indian education by using data mining techniques. En IEEE International Conference on Technology Enhanced Education (ICTEE) (pp. 15). Barberà, E., y Badia, A. (2005). El uso educativo de las aulas virtuales emergentes en la educación superior. Revista de Universidad y Sociedad del Conocimiento, 2 (2), 112. Bermejo, S. (2005). Cooperative electronic learning in virtual laboratories through forums. IEEE Transactions on Education, 48 (1), 140-149. Bersin, J. (2005). The four stages of e-learning: A maturity model for online corporate training. Bersin & Associates. Bower, M., Lee, M. J., y Dalgarno, B. (2016). Collaborative learning across physical and virtual worlds: Factors supporting and constraining learners in a blended reality environment. British Journal of Educational Technology, 48 (2), 407-430. Brajnik, G. (2008). A Comparative Test of Web Accessibility Evaluation Methods. En 10th international ACM SIGACCESS conference on Computers and accessibility (ASSETS) (pp. 113-120). Branch, R. M. (2009). Instructional design: The ADDIE approach. Springer US. Branch, R. M., y Kopcha, T. (2014). Instructional design models. Handbook of research on educational communications and technology. Springer. Brooke, J., Toloski, M., y Taboada, M. (2009). Cross-linguistic sentiment analysis: from english to spanish. En 7th Recent Advances in Natural Language Processing (RANLP) (pp. 50-54). Bushnell, D. S. (1990). Input, process, output: A model for evaluating training. Training & Development Journal, 44 (3), 41-44. Cabero, J. (2006). Bases pedagógicas del e-learning. RUSC. Universities and knowledge society journal, 3 (1), 1-10. Cabero, J. (2011). Diseño, producción y evaluación de un entorno telemático para la formación y reflexión del profesorado universitario en la implantación del Espacio de Educación Europeo de Educación Superior. En Memoria de Investigación Estudio y Análisis (pp. 1-184). Ministerio de Educación España. Calle, T., Sánchez-Gordón, S., Peñafiel, M., y Luján-Mora, S. (2018). A Process for Self-Training of Engineering Educators Using e-Learning. International Journal of Engineering Education, 1-12. (en prensa) Cambria, E., Schuller, B., Xia, Y., y Havasi, C. (2013). New avenues in opinion mining and sentiment analysis. IEEE Intelligent Systems, 28 (2), 15-21. Cano, C., Fernández Sanz, L., Pages, L., Villalba, M. T., Temesio, S., y Motz, R. (2012). Modelos de madurez de la enseñanza virtual ¿Consideran la accesibilidad? En 4th Congreso Internacional sobre Aplicación de Tecnologías de la Información y Comunicaciones Avanzadas (ATICA) (pp. 100-108). Ceci, F., Goncalves, A. L., y Weber, R. (2016). A model for sentiment analysis based on ontology and cases. IEEE Latin America Transactions, 14 (11), 4560-4566. Chakraborty, G., Pagolu, M., y Garla, S. (2014). Text mining and analysis: practical methods, examples, and case studies using SAS. SAS Institute. Chatti, M. A., Jarke, M., y Specht, M. (2010). The 3P learning model. Journal of Educational Technology & Society, 13 (4), 174. Christie, M., y Jurado, R. G. (2009). Barriers to innovation in online pedagogy. European Journal of Engineering Education, 34 (3), 273-279. Clark, R. C., y Mayer, R. E. (2016). E-learning and the science of instruction: proven guidelines for consumers and designers of multimedia learning. John Wiley & Sons. Cohen, J. (1960). A coefficient of agreement for nominal scales. Educational and Psychological Measurement, 20 (1), 3746. Conole, G. (2014). Learning Design: A Practical Approach. Routledge. Consejo de Educación Superior. (2016). CES Reglamento de Régimen Académico (RRA). (Disponible en: http://www.ces.gob.ec/gaceta-ocial/reglamentos) Cordero, T. J., y Caballero, O. A. (2014). The Moodle platform: A useful tool for training in life support. Analysis of satisfaction questionnaires from students and instructors of the semFYC advanced life support courses. Atención primaria/Sociedad Española de Medicina de Familia y Comunitaria, 47 (6), 376-384. Córdova, M. A. (2015). Moodle LTS 2.7 y estándares de accesibilidad web. En 6th Congreso Internacional sobre Calidad y Accesibilidad de la Formación Virtual (CAFVIR) (pp. 67-74). Dai, C.-Y., Harn, C.-T., Chen, W.-F., Yuan, Y.-H., y Kao, M.-T. (2011). The study on exploring the user satisfaction of easy teaching web of Taipei by information seeking and technology acceptance model. En IEEE 13th International Conference Electrical and Control Engineering (ICECE) (pp. 7007-7011). da Silva, L. A. E. (2016). A data mining approach for standardization of collectors names in herbarium database. IEEE Latin America Transactions, 14 (2), 805-810. Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. Management Information Systems Quarterly, 13 (3), 319-340. Davis, F. D., Bagozzi, R. P., y Warshaw, P. R. (1989). User acceptance of computer technology: a comparison of two theoretical models. Management science, 35 (8), 982-1003 Davis, H. C., Dickens, K., Leon U, M., Sanchéz, M. d. M., y White, S. (2014). MOOCs for universities and learners an analysis of motivating factors. En 6th International Conference on Computer Supported Education (pp. 1-12). Davis, W. S. (1998). HIPO hierarchy plus input-process-output. Taylor & Francis. Del Bosque, L. P., y Garza, S. E. (2016). Prediction of aggressive comments in social media: an exploratory study. IEEE Latin America Transactions, 14 (7), 3474-3480. de Mello, F. L., y Xexeo Moreira, J. A. (2016). Cryptographic algorithm identification using machine learning and massive processing. IEEE Latin America Transactions, 14 (11), 4585-4590. Dias, S. B., Diniz, J. A., y Hadjileontiadis, L. J. (2013). Towards an intelligent learning management system under blended: trends, proles and modeling perspectives (Vol. 59). Springer Science Business Media. Dick, W., Carey, L., y Carey, J. O. (2014). The systematic design of instruction. Pearson Education. Didier, O. (1998). De lo Tradicional a lo Virtual: las Nuevas Tecnologías de la Información. Debate Temático. En Conferencia Mundial sobre la Educación Superior UNESCO (pp. 19). Domínguez, I., y Peñafiel, M. (2016). Integrated services management frameworks for online education based on information and communications technology. En IEEE 3rd International Conference on eDemocracy and eGovernment (ICEDEG) (pp. 164-170). Dym, C. L., Agogino, A. M., Eris, O., Frey, D. D., y Leifer, L. J. (2005). Engineering design thinking, teaching, and learning. Journal of Engineering Education, 94 (1), 103-120. Ellis, R. A., Ginns, P., y Piggott, L. (2009). E-learning in higher education: some key aspects and their relationship to approaches to study. Higher Education Research & Development, 28 (3), 303-318. Ellis, R. A., y Goodyear, P. (2016). Models of learning space: integrating research on space, place and learning in higher education. Review of Education, 4 (2), 192-194. Erl, T., Khattak, W., y Buhler, P. (2016). Big Data Fundamentals: Concepts, Drivers & Techniques (M. Taub, Ed.). Prentice Hall Press. Felder, R. M., y Silverman, L. K. (1988). Learning and teaching styles in engineering education. Internatinal Journal Engineering Education, 78 (7), 674-681. Felder, R. M., Woods, D. R., Stice, J. E., y Rugarcia, A. (2000). The future of engineering education II. Teaching methods that work. Chemical Engineering Education, 34 (1), 26-39. Feldman, R. (2013). Techniques and applications for sentiment analysis. Communications of the ACM, 56 (4), 82-89. Frehywot, S., Vovides, Y., Talib, Z., Mikhail, N., Ross, H., Wohltjen, H., Scott, J. (2013). E-elearning in medical education in resource constrained low-and middle income countries. Human Resources for Health, 11 (1), 4. Gagné, R. M. (1989). Conditions of learning. Holt, Rinehart and Winston. Gagné, R. M., y Briggs, L. J. (1974). Principles of instructional design. Holt, Rinehart and Winston. Gandomi, A., y Haider, M. (2015). Beyond the hype: Big data concepts, methods, and analytics. International Journal of Information Management, 35 (2), 137-144. García-Peñalvo, F. J., y Pardo, A. M. S. (2015). Una revisión actualizada del concepto de eLearning. Décimo Aniversario/An updated review of the concept of eLearning. Tenth anniversary. Education in the Knowledge Society, 16 (1), 1-119. Gardner, H. J., y Martin, M. A. (2007). Analyzing ordinal scales in studies of virtual environments: Likert or lump it! Presence: Teleoperators and Virtual Environments, 16 (4), 439-446. Gedik, N., Kiraz, E., y Ozden, M. Y. (2013). Design of a blended learning environment: Considerations and implementation issues. Australasian Journal of Educational Technology, 29 (1), 1-19. Gencoglu, O., Similä, H., Honko, H., y Isomursu, M. (2015). Collecting a citizen's digital footprint for health data mining. En 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBS) (pp. 7626-7629). Goh, W. W., Hong, J. L., y Gunawan, W. (2013). Exploring students' perceptions of learning management system: An empirical study based on TAM. En IEEE 2nd International Conference on Teaching, Assessment and Learning for Engineering (TALE) (pp. 367-372). González, A.-B., Rodríguez, M.-J., Olmos, S., Borham, M., y García, F. (2013). Experimental evaluation of the impact of b-learning methodologies on engineering students in Spain. Computers in Human Behavior, 29 (2), 370-377. Gonzalez, A. G. H., Armenta, R. A. M., Rosales, L. A. M., Barrientos, A. G., Xihuitl, J. L. T., y Algredo, I. (2016). Comparative study of algorithms to predict the desertion in the students at the ITSM-Mexico. IEEE Latin America Transactions, 14 (11), 4573-4578. Gray, C. M., Dagli, C., Demiral-Uzan, M., Ergulec, F., Tan, V., Altuwaijri, A. A (2015). Judgment and instructional design: How ID practitioners work in practice. Performance Improvement Quarterly, 28 (3), 25-49. Gros, B., y García-Peñalvo, F. J. (2016). Future trends in the design strategies and technological affordances of e-learning. En M. J. Spector, B. B. Lockee, y M. D. Childress (Eds.), Learning, Design, and Technology: An International Compendium of Theory, Research, Practice, and Policy (pp. 1-23). Springer. Guleria, P., y Sood, M. (2014). Data Mining in Education: A review on the knowledge discovery perspective. International Journal of Data Mining & Knowledge Management Process, 4 (5), 47. Guri-Rosenblit, S. (2005). “Distance education” and “e-learning”: Not the same thing. Higher Education, 49 (4), 467-493. Guzmán, D. B. (2003). Diseño, desarrollo y evaluación de un ambiente virtual de aprendizaje. En A. Castro (Ed.), Innovar para educar: prácticas universitarias exitosas 2002-2003 (pp. 15-29). Heinich, R., Smaldino, S., Russell, J., y Molenda, M. (2002). Instructional media and Technologies for learning. Merrill. Heredia, D., Amaya, Y., y Barrientos, E. (2015). Student dropout predictive model using data mining techniques. IEEE Latin America Transactions, 13 (9), 3127-3134. Hermosilla, Z., Peñafiel, M., y Luján-Mora, S. (2014). Design of the Educational Model in National Polytechnic School . En 7th International Conference of Education, Research and Innovation (ICERI) (pp. 1108-1113). Hernández S, R., Fernández C, C., y Baptista L, P. (2014). Metodología de la investigación (J. Mares Ch, Ed.). McGraw-Hill Education. Hervás, A., Garcia, F. B., y Peñalvo, F. (2014). A method of assessing academic learning experiences in virtual learning environments. IEEE Latin America Transactions, 12 (2), 219-226. Hutto, C. J., y Gilbert, E. (2014). Vader: A parsimonious rule-based model for sentiment analysis of social media text. En 8th International AAAI Conference on Weblogs and Social Media (ICWSM) (pp. 1-10). Ikpeze, C. H. (2015). Building Relationships in Physical and Virtual Spaces. En Teaching across cultures (pp. 93-140). Springer. Iqbal, S., y Thapa, D. (2013). Initial design principles for an educational, on-line information security laboratory. En 12th International Conference on Web-Based Learning (ICWL) (pp. 89-100). Jereb, E., & Šmitek, B. (2006). Applying multimedia instruction in e-learning. Innovations in Education and Teaching International, 43 (1), 15-27. Johnson, L., Adams Becker, S., Estrada, V., y Freeman, A. (2015). The NMC Horizon Report: 2015 Museum Edition. Education Resources Information Center). (Disponible en: https://www.nmc.org/publication/nmc-horizon-report-2015-museum-edition/) Jonassen, D. H., y Rohrer-Murphy, L. (1999). Activity theory as a framework for designing constructivist learning environments. Educational Technology Research and Development, 47 (1), 61-79. Joyanes-Aguilar, L., Castaño, N. J., y Osorio, J. H. (2015). Modelo de simulación y minería de datos para identificar y predecir cambios presupuestales en la atención de pacientes con hipertensión arterial. Revista de Salud Pública, 17 (5), 789-800. Junior, P. O. L., de Castro Junior, L. G., y Zambalde, A. L. (2016). Applying Textmining to Classify News About Supply and Demand in the Cofee Market. IEEE Latin America Transactions, 14 (12), 4768-4774. Kahn, B. (2005). A comprehensive e-learning model. Journal of e-Learning and Knowledge Society, 1 (1), 33-44. Kavanoz, S., Yüksel, H. G., y Özcan, E. (2015). Pre-service teachers' self-efficacy perceptions on web pedagogical content knowledge. Computers & Education, 85, 94-101. Kerr, D. (2015). Using data mining results to improve educational video game design. Journal of Educational Data Mining (JEDM), 7 (3), 1-17. Khalil, H., y Ebner, M. (2014). MOOCs completion rates and possible methods to improve retention-A literature review. En World Conference on Educational Multimedia, Hypermedia and Telecommunications (EdMedia) (Vol. 1, pp. 1305-1313). Khan, K., Baharudin, B. B., Khan, A., y e Malik, F. (2009). Mining opinion from text documents: A survey. En 3rd IEEE International Conference on Digital Ecosystems and Technologies (pp. 217-222). Kim, H. E., Hong, Y.-J., Kim, M.-K., Jung, Y. H., Kyeong, S., y Kim, J.-J. (2017). Eectiveness of self-training using the mobile-based virtual reality program in patients with social anxiety disorder. Computers in Human Behavior, 73, 614-619. Kitchenham, B. A. (2004). Procedures for performing systematic reviews. (Keele University Technical Report) Kitchenham, B. A., Budgen, D., y Brereton, O. P. (2011). Using mapping studies as the basis for further research a participant-observer case study. Information and Software Technology, 53 (6), 638-651. Koohang, A., y Harman, K. (2005). Open source: A metaphor for e-learning. Informing Science: International Journal of an Emerging Transdiscipline, 8, 75-86. Krouska, A., Troussas, C., y Virvou, M. (2016). The effect of preprocessing techniques on Twitter sentiment analysis. En IEEE 7th International Conference Information, Intelligence, Systems & Applications (IISA) (pp. 1-5). Lantada, A. D., Morgado, P. L., Muñoz-Guijosa, J. M., Sanz, J. L. M., Otero, J. E., García, J. M., teaching-learning experiences in engineering education. International Journal of Engineering Education, 29 (2), 476-490. Lavolette, E., Venable, M. A., Gose, E., y Huang, E. (2010). Comparing synchronous virtual classrooms: Student, instructor and course designer perspectives. Tech Trends, 54 (5), 54-61. Lee, C., Cheng, C.-I., y Zeleke, A. (2014). Can text mining technique be used as an alternative tool for qualitative research in education? En IEEE/ACIS 15th International Conference on Software Engineering, Articial Intelligence, Networking and Parallel/Distributed Computing (SNPD) (pp. 1-6). Lee, O., y Im, Y. (2014). Innovation of Higher Education in the Globalized Era. En R. Huang, Kinshuk, y J. K. Price (Eds.), ICT in Education in Global Context: Emerging Trends Report 2013-2014 (pp. 221-247). Springer Berlin Heidelberg. Lee, S., Baker, J., Song, J., y Wetherbe, J. C. (2010). An empirical comparison of four text mining methods. En IEEE 43rd Hawaii International Conference, System Sciences (HICSS) (pp. 1-10). Lee, T., y Lee, J. (2006). Quality assurance of web based e-learning for statistical education. En Computational Statistics (COMPSAT) (pp. 429438). Springer. Li, F. W., Lau, R. W., y Dharmendran, P. (2009). A three-tier profiling framework for adaptive e-learning. En 8th International Conference on Web-Based Learning (ICWL) (pp. 235-244). Liao, H.-L., y Lu, H.-P. (2008). Richness versus parsimony antecedents of technology adoption model for E-learning websites. En 7th International Conference on Web-Based Learning (ICWL) (pp. 8-17). Liaw, S.-S., y Huang, H.-M. (2013). Perceived satisfaction, perceived usefulness and interactive learning environments as predictors to self-regulation in e-learning environments. Computers & Education, 60 (1), 14-24. Lin, W.-S., y Wang, C.-H. (2012). Antecedences to continued intentions of adopting e-learning system in blended learning instruction: A contingency framework based on models of information system success and task-technology t. Computers &Education, 58 (1), 88-99. Liu, B. (2012). Sentiment analysis and opinion mining. Morgan & Claypool Publishers. Livingstone, S. (2012). Critical reflections on the benefits of ICT in education. Oxford Review of Education, 38 (1), 9-24. Lockyer, L., Heathcote, E., y Dawson, S. (2013). Informing pedagogical action: Aligning learning analytics with learning design. American Behavioral Scientist, 57 (10), 1439-1459. Lorenzo, G. L., Roig, R. V., y Lledó, A. C. (2010). La utilización del Campus Virtual como herramienta de aprendizaje en los estudiantes universitarios: aportaciones derivadas de su aplicación práctica. En Congreso Euro-Iberoamericano de Alfabetización Mediática y Culturas Digitales (pp. 1-15). Luján-Mora, S. (2013). De la clase magistral tradicional al MOOC: doce años de evolución de una asignatura sobre programación de aplicaciones web. Revista de Docencia Universitaria (REDU), 11, 279-300. Luján-Mora, S., Navarrete, R., y Peñafiel, M. (2014). eGovernment and web accessibility in South America. En IEEE 1st International Conference on eDemocracy & eGovernment (ICEDEG) (pp. 77-82). Luján-Mora, S. (2013). Accesibilidad web. (Disponible en: http://accesibilidadweb.dlsi.ua.es/) Manford, C., McSporran, M., Mann, S., y Williamson, A. (2003). e-learning quality: becoming a level five learning organization. En 16th Annual National Advisory Committee on Computing Qualifications Conference (NACCQ) (pp. 343-350). Mariño, J. C. G. (2006). B-Learning utilizando software libre, una alternativa viable en Educación Superior. Revista Complutense de Educación, 17 (1), 1-21. Marshall, S. (2010). A quality framework for continuous improvement of e-learning: the e-learning maturity model. International Journal of E-Learning & Distance Education, 24 (1), 143-166. Marshall, S. (2012). Improving the quality of e-learning: lessons from the eMM. Journal of Computer Assisted Learning, 28 (1), 65-78. Marshall, S., y Mitchell, G. (2004). Applying SPICE to e-learning: an e-learning maturity model? En 6th Australasian Conference on Computing Education (Vol. 30, pp. 185-191). Marshall, S., y Mitchell, G. (2007). Benchmarking international e-learning capability with the e-learning maturity model. En Advancing Knowledge: Pushing Boundaries: EDUCAUSE Australasia (Vol. 29, pp. 116). CAUDIT. Martínez-Cámara, E., Martín-Valdivia, M. T., Ureña-López, L. A., y Mitkov, R. (2015). Polarity classification for Spanish tweets using the COST corpus. Journal of Information Science, 41 (3), 263-272. Martínez-Muñoz, G., y Pulido, E. (2015). Using a SPOC to ip the classroom. En IEEE 6th Global Engineering Education Conference (EDUCON) (pp. 431-436). Martín-Valdivia, M.-T., Martínez-Cámara, E., Perea-Ortega, J.-M., y Ureña-López, L. A. (2013). Sentiment polarity detection in Spanish reviews combining supervised and unsupervised approaches. Expert Systems with Applications, 40 (10), 3934-3942. Maté, A., De Gregorio, E., Cámara, J., Trujillo, J., y Luján-Mora, S. (2016). The improvement of analytics in Massive Open Online Courses by applying data mining techniques. Expert Systems, 33 (4), 374-382. Mayes, T., y De Freitas, S. (2004). Review of e-learning theories, frameworks and models. The Joint Information Systems Committee. (Disponible en: http://curve.coventry.ac.uk/open/items/8033fc-e97d-4cb8-aed3-29be7915e6b0/1/) Merceron, A., y Yacef, K. (2005). Educational Data Mining: a Case Study. En C.-K. Looi, G. McCalla, B. Bredeewg, y J. Breuker (Eds.), Articial Intelligence in Education: Supporting Learning through Intelligent and Socially Informed Technology (p. 467-474). IOS Press. Merrill, M. D. (2002). First principles of instruction. Educational Technology Research and Development, 50 (3), 43-59. Miller, L. D., Soh, L.-K., Samal, A., Kupzyk, K., y Nugent, G. (2015). A Comparison of educational statistics and data mining approaches to identify characteristics that impact online learning. Journal of Educational Data Mining (JEDM), 7 (3), 117-150. Milosz, M., Luján-Mora, S., Bardou, D., Merceron, A., y Peñafiel, M. (2014). Comparison of existing computing curricula and the new ACM-IEEE computing curricula 2013. En 6th International Conference on Education and New Learning Technologies (EDULEARN) (pp. 5808-5818). Moscinska, K., y Rutkowski, J. (2011). Barriers to introduction of e-learning: A case study. En IEEE 2nd Global Engineering Education Conference (EDUCON) (pp. 460-465). Mukherjee, T., y Nath, A. (2016). Trends and challenges in e-learning methodologies. Current Trends in Technology and Science, 5 (1), 18. Naciones Unidas. (2006). Convención sobre los Derechos de las Personas con Discapacidad y Protocolo Facultativo. (Disponible en: http://www.un.org/spanish/disabilities/default.asp?id=497) Nanli, Z., Ping, Z., Weiguo, L., y Meng, C. (2012). Sentiment analysis: A literature review. En IEEE International Symposium on Management of Technology (ISMOT) (pp. 572-576). Navarrete, R., Luján-Mora, S., y Peñafiel, M. (2016a). Enhancing user experience of users with disabilities: application to open educational resources websites. En 9th International Conference on Advances in Computer-Human Interactions (ACHI) (pp. 11-16). Navarrete, R., Luján-Mora, S., y Peñafiel, M. (2016). Use of open educational resources in E-learning for higher education. En IEEE 3rd International Conference eDemocracy & eGovernment (ICEDEG) (pp. 164-170). Neuhauser, C. (2004). A maturity model: Does it provide a path for online course design. The Journal of Interactive Online Learning, 3 (1), 1-17. Núñez, J. L. M., Caro, E. T., y González, J. R. H. (2017). From higher education to open education: challenges in the transformation of an online traditional course. IEEE Transactions on Education, 60 (2), 134-142. Oddone, F. (2016). Cloud computing applications and services fostering teachers' self-efficacy. Journal of e-Learning and Knowledge Society, 12 (2), 1-15. Oproiu, G. C. (2015). A Study about using E-learning platform (Moodle) in university teaching process. Procedia-Social and Behavioral Sciences, 180, 426-432. Pamplona, S., Medinilla, N., y Flores, P. (2015). Assessment for learning: A case study of an online course in operating systems. International Journal of Engineering Education, 31 (2), 541-552. Pang, B., y Lee, L. (2008). Opinion mining and sentiment analysis. Foundations and Trends in information Retrieval, 2 (12), 11-35. Paulk, M. (2002). Capability maturity model for software. En Encyclopedia of Software Engineering. John Wiley & Sons, Inc. Peñafiel, M., Espín, N., y Rosas, N. (2015). Curriculum Design Methodology using learning outcomes. En 9th International Technology Education and Development Conference (INTED) (pp. 5959-5968). Peñafiel, M., y Luján-Mora, S. (2014a). Legislación sobre accesibilidad web en Sudamérica: una comparativa de seis países. Revista Politécnica, 34 (2), 34-45. Peñafiel, M., y Luján-Mora, S. (2014b). Use of virtual classrooms: perception of students at the Quito National Polytechnic School. En E. Bernad Monferrer (Ed.), Updating Education Systems, Collection: The Innovation In Education Series (pp. 1-29). The Journal of Alternative Perspectives in the Social Sciences. Peñafiel, M., y Luján-Mora, S. (2014c). Uso de aulas virtuais: Perceço dos estudantes na escola Politécnica Nacional de Quito. En E. Bernad Monferrer (Ed.), Actualização Dos Novos Sistemas Educativos (pp. 285-302). MediaXXI Formalpress. Peñafiel, M., y Luján-Mora, S. (2014d). Uso de aulas virtuales: Percepción de los estudiantes en la Escuela Politécnica Nacional de Quito. En E. Bernad Monferrer (Ed.), Actualización de los nuevos sistemas educativos (pp. 397-419). ACCI. Peñafiel, M., y Luján-Mora, S. (2015). Análisis del uso de las aulas virtuales en la Escuela Politécnica Nacional de Ecuador. En M. C. Mata Montes (Ed.), Innovación educativa en las enseñanzas técnicas (pp. 1323-1336). Ediciones de la Universidad de Castilla-La Mancha. Peñafiel, M., y Luján-Mora, S. (2017). Cuestionarios para el análisis del uso de las tecnologías de la información y la comunicación en la Escuela Politécnica Nacional. (Disponible en: http://hdl.handle.net/10045/71490) Peñafiel, M., Luján-Mora, S., Zaldumbide, J., Cevallos, A., y Vásquez, D. (2017). Application of e-Learning Maturity Model in Higher Education. En 9th annual International Conference on Education and New Learning Technologies (EDULEARN) (pp. 4396-4404). Peñafiel, M., Navarrete, R., Vásquez, S., y Luján-Mora, S. (2016). Moodle as a Support Tool in Higher Education. En 9th International Conference on Advances in Computer-Human Interactions (ACHI) (pp. 98-104). Peñafiel, M., Ruilova, C., y Acosta, P. (2017). Guía metodológica para aulas virtuales bajo Moodle. (Disponible en: http://rua.ua.es/dspace/handle/10045/61367) Peñafiel, M., Vásquez, S., y Luján-Mora, S. (2016). Use of Virtual Classroom: Summarized Opinion of the Stakeholders in the Learning-Teaching. En 8th International Conference on Computer Supported Education (CSEDU) (pp. 314-320). Peñafiel, M., Vintimilla, L.-M., Luján-Mora, S., y Montesdeoca, P. P. (2015). Analysis of the usage of virtual classrooms in the National Polytechnic School of Ecuador: Teachers' perception. En IEEE 14th International Conference on Information Technology Based Higher Education and Training, (ITHET) (pp. 1-6). Peñafiel, M., Vintimilla, M., Hermosilla, Z., y Luján-Mora, S. (2015). The use of virtual classrooms as teacher's and student's portfolios: a case study. En 9th International Technology Education and Development Conference, (INTED) (pp. 5949-5958). Peñafiel, M., Zaldumbide, J., y Luján-Mora, S. (2018). Computing Applications for Data of Context Educational using Methods of Data Mining. Journal of Educational Computing Research, 1-16. ((en proceso de revisión)) Peñafiel, M., Zaldumbide, J., Navarrete, R., y Luján-Mora, S. (2018). Bridging the Gaps between Technology and Engineering Education. International Journal of Engineering Education, 1-13. ((en prensa)) Pernías Peco, P., y Luján-Mora, S. (2013). Los MOOC: orígenes, historia y tipos. Comunicación y Pedagogía: Nuevas Tecnologías y Recursos Didácticos (269), 41-48. Petch, J., Calverley, G., Dexter, H., y Cappelli, T. (2007). Piloting a process maturity model as an e-learning benchmarking method. En 5th European Conference on elearning (ECEL) (pp. 12-73). Petersen, K., Vakkalanka, S., y Kuzniarz, L. (2015). Guidelines for conducting systematic mapping studies in software engineering: An update. Information and Software Technology, 64, 1-18. Qizhong, O., y Qing, Z. (2012). Study on cultivation of teachers' ICT ability. En IEEE 7th International Conference on Computer Science & Education (ICCSE) (pp. 1564-1566). Rabasco, F. P. (2008). Aulas virtuales para la docencia en la Universidad de Cádiz. Revista Latinoamericana de Tecnología Educativa (RELATEC), 7 (2), 119-134. Ramos, J. L. C., e Silva, R. E. D., Silva, J. C. S., Rodrigues, R. L., y Gomes, A. S. (2016). A Comparative Study between Clustering Methods in Educational Data Mining. IEEE Latin America Transactions, 14 (8), 3755-3761. Rana, M. I., Khalid, S., y Akbar, M. U. (2014). News classication based on their headlines: A review. En IEEE 17th International, Multi-Topic Conference (INMIC) (pp. 211-216). Reigeluth, C. M. (2013). Instructional design theories and models: An overview of their current status. Routledge. Reiser, R. A., y Dempsey, J. V. (2011). Trends and issues in instructional design and technology. Pearson Education. Rennie, F., y Morrison, T. (2013). E-learning and social networking handbook: Resources for higher education. Taylor & Francis. Reyes, A. J. O., Garcia, A. O., y Lizama, Y. (2014). System for Processing and Analysis of Information Using Clustering Technique. IEEE Latin America Transactions, 12 (2), 364-371. Rodrigues, A., Monteiro, A., y Moreira, J. A. (2013). Dimensões pedagógicas da sala de aula virtual: teoria e prática. Cadernos de Pedagogia no Ensino Superior , 26 ,3-24. Rodrigues, R. L., Ramos, J. L. C., Silva, J. C. S., y Gomes, A. S. (2016). Discovery engagement patterns MOOCs through cluster analysis. IEEE Latin America Transactions, 14 (9), 4129-4135. Romero, C., Espejo, P. G., Zafra, A., Romero, J. R., y Ventura, S. (2013). Web usage mining for predicting final marks of students that use Moodle courses. Computer Applications in Engineering Education, 21 (1), 135-146. Romero, C., y Ventura, S. (2010). Educational data mining: a review of the state of the art. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 40 (6), 601-618. Rubiano, S. M. M., y Garcia, J. A. D. (2016). Analysis of data mining techniques for constructing a predictive model for academic performance. IEEE Latin America Transactions, 14 (6), 2783-2788. Sanchez-Gordon, S., y Luján-Mora, S. (2014). MOOCs gone wild. En 8th International Technology, Education and Development Conference (INTED) (pp. 1449-1458). Sanchez-Gordon, S., y Luján-Mora, S. (2015). An ecosystem for corporate training with accessible MOOCs and OERs. En IEEE 3rd International Conference on MOOCs, Innovation and Technology in Education (MITE) (pp. 123-128). Sanchez-Gordon, S., y Luján-Mora, S. (2017). Technological Innovations in Large-Scale Teaching: Five Roots of Massive Open Online Courses. Journal of Educational Computing Research, 1-16. (Disponible en: http://dx.doi.org/10.1177/0735633117727597) Sangrà, A., Vlachopoulos, D., y Cabrera, N. (2012). Building an inclusive definition of e-learning: An approach to the conceptual framework. The International Review of Research in Open and Distributed Learning, 13 (2), 145-159. Scherer, R., Siddiq, F., y Teo, T. (2015). Becoming more specific: Measuring and modeling teachers' perceived usefulness of ICT in the context of teaching and learning. Computers & Education, 88, 202-214. Shaffiei, Z. A., Mokhsin, M., Hamidi, S. R., y Yusof, N. M. (2011). A study of user's acceptance and perception towards Campus Management System (CMS) using Technology Acceptance Model (TAM). En IEEE 3rd International Congress, Engineering Education (ICEED) (pp. 128-131). Shah, D. (2016). By The Numbers: MOOCS in 2015. (Disponible en: https://www.class-central.com/report/moocs-2015-stats/) Sharples, M., de Roock, R., Ferguson, R., Gaved, M., Herodotou, C., Koh, E (2016). Innovating pedagogy 2016: Open university innovation report 5. The Open University. Siemens, G. (2005). Connectivism: A learning theory for the digital age. International Journal of Instructional Technology and Distance Learning (ITDL), 2 (1), 18. Sife, A., Lwoga, E., y Sanga, C. (2007). New technologies for teaching and learning: Challenges for higher learning institutions in developing countries. International Journal of Education and Development Using ICT (IJEDICT), 3 (2), 56-67. Sonnenberg, C., y Bannert, M. (2016). Evaluating the impact of instructional support using data mining and process mining: a micro-level analysis of the effectiveness of metacognitive prompts. Journal of Educational Data Mining (JEDM), 8 (2), 51-83. Sukhija, K., Jindal, M., y Aggarwal, N. (2015). The recent state of educational data mining: a survey and future visions. En IEEE 3rd International Conference. MOOCs, Innovation and Technology in Education (MITE) (pp. 354-359). Tam, B. W. H., Lo, D. R. T., Seah, D. W. H., Lee, J. X., Foo, Z. F. Y., Poh, Z. Y. Y., Chee, C. S. (2017). Developing and validating a localised, self-training mindfulness programme for older Singaporean adults: effects on cognitive functioning and implications for healthcare. Singapore Medical Journal, 58 (3), 11-26. Tawsopar, K., y Mekhabunchakij, K. (2009). Applying eMM in a 3D approach to elearning quality improvement. En IEEE 1st International Conference Computer Engineering and Technology (ICCET) (Vol. 1, pp. 357-360). The World Bank. (2015). Millennium Development Goals. (Disponible en: http://data.worldbank.org/about/millennium-development-goals) Thompson, E. (2006). Using a subject area model as a learning improvement model. En 8th Australasian Conference on Computing Education (Vol. 52, pp. 197-203). Trowler, P., Fanghanel, J., y Wareham, T. (2005). Freeing the chi of change: the Higher Education Academy and enhancing teaching and learning in higher education. Studies in Higher Education, 30 (4), 427-444. Tsiotakis, P., y Jimoyiannis, A. (2016). Critical factors towards analysing teachers' presence in on-line learning communities. The Internet and Higher Education, 28, 45-58. Tulsi, P., y Poonia, M. (2015). Building excellence in engineering education in India. En IEEE 6th Global Engineering Education Conference (EDUCON) (pp. 624-629). UNESCO. (2012). Encuesta regional de Tecnologías de información y comunicación. (Disponible en: http://www.uis.unesco.org/Communication/Documents/ict-regional-survey-lac-2012-en.pdf) UNESCO. (2013). Strategic approaches on the use of ICTS in Education in Latin America and the Caribbean. (Disponible en: http://unesdoc.unesco.org/images/0022/002232/223251e.pdf) UNESCO. (2015). Education 2030: Towards inclusive and equitable quality education and lifelong learning for all. En Education 2030 Incheon Declaration (pp. 19-22). UNESCO. (2016). Institute for Statistics, Post-2015 Education Indicators Consultation. (Disponible en: http://www.uis.unesco.org/Education/Pages/post-2015-education-indicators.aspx) Varela Yong, L. A., Rivas Tovar, L. A., y Chaparro, J. (2010). Modelo de aceptación tecnológica (TAM): un estudio de la influencia de la cultura nacional y del perfil del usuario en el uso de las TIC. Innovar, 20 (36), 187-203. Vásquez, S., Peñafiel, M., Cevallos, A., Zaldumbide, J., y Vásquez, D. (2017). Impact of Game-Based Learning on Students in Higher Education. En 9th annual International Conference on Education and New Learning Technologies (EDULEARN) (pp. 4356-4363). Vigo, M., Brown, J., y Conway, V. (2013). Benchmarking web accessibility evaluation tools: measuring the harm of sole reliance on automated tests. En ACM 10th International Cross-Disciplinary Conference on Web Accessibility (pp. 110). Rio de Janeiro, Brazil. Wang, L., y Cardie, C. (2012). Focused meeting summarization via unsupervised relation extraction. En 13th Annual Meeting of the Special Interest Group on Discourse and Dialogue (pp. 304-313). Wang, Y.-H., Tseng, Y.-H., y Chang, C.-C. (2013). Comparison of students' perception of Moodle in a Taiwan university against students in a Portuguese university. En 12th International conference on Web-Based Learning (ICWL) (pp. 71-78). Watson, W., y Watson, S. L. (2007). An Argument for clarity: What are learning management systems, what are they not, and what should they become. TechTrends, 51 (2), 28-34. Werner, L., McDowell, C., y Denner, J. (2013). A first step in learning analytics: pre-processing low-level Alice logging data of middle school students. Journal of Educational Data Mining (JEDM), 5 (2), 11-37. Wood, S. L. (2010). Technology for teaching and learning: Moodle as a tool for higher education. International Journal of Teaching and Learning in Higher Education, 22 (3), 299-307. World Wide Web Consortium. (1997). World Wide Web Consortium launches international program office for Web Accessibility Initiative. (Disponible en: https://www.w3.org/Press/IPO-announce) World Wide Web Consortium. (2008a). A guide to understanding and implementing Web Content Accessibility Guidelines 2.0. (Disponible en: http://www.w3.org/TR/UNDERSTANDING-WCAG20/) World Wide Web Consortium. (2008b). Web Accessibility Evaluation Tools List. (Disponible en: http://www.w3.org/WAI/ER/tools/) World Wide Web Consortium. (2016). Techniques for WCAG 2.0. (Disponible en: https://www.w3.org/TR/WCAG20-TECHS/G65.html) World Wide Web Consortium. (2017). About W3C. (Disponible en: http://www.w3.org/Consortium/) Young, C., y Perović, N. (2016). Rapid and creative course design: as easy as ABC? Procedia-Social and Behavioral Sciences, 228, 390-395. Zaldumbide, J., y Sinnott, R. O. (2015). Identification and Validation of Real-Time Health Events through Social Media. En IEEE 1st International Conference Data Science and Data Intensive Systems (DSDIS) (pp. 9-16).