Sistema blended-learning para la gestión automática de cuestionarios en papel

Blended-learning outil pour étendre les fonctionnalités non informatisé en classe environnement questionnaires Moodle corriger automatiquement.

L'outil permet à l'enseignant pour générer des copies papier à partir des questionnaires conçus et créés dans Moodle afin que les élèves peuvent remplir la salle de classe sans avoir besoin de n'importe quel ordinateur. Une fois les questionnaires ont été remplis par les élèves, le système peuvent être corrigées automatiquement par un système de reconnaissance optique des scanners de marque basés sur le faible coût classique, et les résultats seront transférés à Moodle. L'objectif est de fournir aux enseignants des outils qui permettent flexibles et automatisable évaluations fréquentes pour l'enseignement ou des évaluateurs, le long des lignes recommandées par l'Espace Européen d'Enseignement Supérieur (EEES). 

I. Introducción

L'Espace européen de l'enseignement supérieur (EEES) a apporté de nouvelles manières d'enseigner et d'apprendre et conduit à des changements dans l'ensemble du processus d'enseignement et d'apprentissage. Dans ce nouveau processus, l'évaluation prend une nouvelle dimension doit être garanti qui fonctionne comme un processus continu, à des fins d'enseignement et de formation intégrées [1] [2]. L'évaluation doit être double. D'une part, permettre à l'enseignant d'obtenir des informations sur le développement des étudiants ainsi que les causes possibles qui pourraient nuire à leur développement afin d'améliorer et d'adapter les stratégies et les objectifs d'apprentissage. D'autre part, permettre à l'étudiant d'obtenir une indication de leurs progrès de manière à accroître leur motivation et leur satisfaction avec le processus [3]. Dans ce contexte, il est nécessaire de repenser la conception et le développement de méthodes et d'outils d'évaluation, car il est important de vérifier les résultats de l'apprentissage, non seulement à la fin du processus éducatif, mais aussi le long de la même [4].

L'évaluation, toutefois sommative, devrait faire partie du processus d'apprentissage et doivent donc être inclus dans les routines de la classe, sans oublier que son but doit être orientée principalement vers l'amélioration de l'apprentissage plutôt que simplement un moyen de certifier les niveaux de compétition pour les étudiants [1]. C'est ce qu'on appelle l'apprentissage axé sur l'évaluation [2] [5].

Il est donc nécessaire de faire davantage d'efforts dans la procédure d'évaluation qui permettra de tester plus loin avec un feed-back aux étudiants afin qu'ils puissent bénéficier de cette situation [5]. Les TIC facilitent cette tâche en automatisant les tâches de l'évaluation des preuves objectives et permettant la gestion de bases de données de questions qui peuvent être incluses dans les questionnaires. Mais aujourd'hui, une partie très importante de l'enseignement a lieu dans les salles de classe "traditionnelle" dans lequel il n'ya pas de matériel informatique.

Ce projet résulte de la nécessité d'une surveillance plus fréquente du processus d'apprentissage dans les activités de la classe sans pour autant augmenter la charge de travail des enseignants et en fournissant une rétroaction rapide pour les étudiants. L'analyse manuelle est un visage test du temps improductif dévouement des enseignants, et en ralentissant le processus de rétroaction. Pour éviter cela, il ya des outils spécialisés, mais exigent la disponibilité des salles informatiques de la logistique.

Le campus virtuel actuel, l'apprentissage fondé sur les systèmes de gestion ou LMS (Learning Management System) comme plate-forme Moodle d'apprentissage, permettent de questionnaires d'évaluation efficaces, si ce projet vise à créer et valider un outil qui permet l'apprentissage mélangégénérer un questionnaires complets de gestion du cycle. Plus précisément, ce système est de générer beaucoup de questionnaires (randomisé) au format PDF (c.-à-, l'impression sur papier) à partir de questionnaires Moodle, un processus et de corriger automatiquement ces questionnaires (une fois répondu par les étudiants) par le biais systèmes, la reconnaissance optique de marques, et enfin déposés dans les résultats Moodlelos afin qu'ils puissent être examinés et évalués comme s'ils avaient fait en ligne (voir Figure 1). Par conséquent, ce système permettra aux enseignants d'questionnaires d'évaluation en cours sans avoir à dépendre de la disponibilité d'une classe informatique et d'accroître l'efficacité de la correction. En outre, il est intégré dans Moodle, l'ensemble du processus sera intégré avec le reste des activités virtualisés de l'objet.

Figura 1. Esquema general del sistema blended-learning.

II.        Sistema De Evaluación Blended-Learning

Bon nombre des systèmes de OMR (Optical Mark Recognition) de l'équipement spécialisé utilisé actuellement utilisé pour recueillir les réponses au questionnaire et ont souvent besoin de reconnaissance spécialisés. Cela force le processus de passer par un goulot d'étranglement (OMR) qui rend l'application pratique de ces techniques dans l'enseignement quotidien.

Le système d'évaluation proposé blended-learning vise à apporter le questionnaire électronique à l'élève et l'enseignant, de sorte que la conception a pris en compte les objectifs fonctionnels suivants:

· Les questionnaires doivent être soumis en lecture et naturelle, sans utiliser de manuels de codage.

· Ne pas utiliser des modèles spécifiques des questionnaires distincts pour simplifier l'utilisation de questionnaires par les élèves.

· Aucune action n'est requise dans un OMR spécialisée pour permettre aux enseignants d'utiliser leur propre équipement pour conduire le processus.

Le système se compose d'une série de modules interdépendants pour générer des questionnaires sur papier à partir de la base de données de questions et questionnaire d'évaluation des activités Moodle Quiz génération. Les questionnaires ont été transcrites y compris les espaces pour les marques pour obtenir des réponses à choix multiples afin que les élèves peuvent remplir la salle de classe sans en assumer les changements traumatiques dans la planification des activités en cours. Une fois les questionnaires ont été remplis par les élèves, le système leur permet d'être automatiquement marqués, grâce à un module de traitement d'image qui effectue les marques OCR ou OMR à partir d'images obtenues avec conventionnels à faible coût des scanners . Les résultats sont transférés à Moodle pour qu'il n'y ait pas de différence pratique quant à savoir si l'étudiant aurait répondu en ligne.

En outre, être intégrés tout au long du processus de génération et questionnaires Moodle correction, les résultats de ce processus sera disponible pour examen par Moodle. Les enseignants et les élèves peuvent voir les résultats de l'évaluation des questionnaires à tout moment et depuis n'importe quel endroit disposant d'un accès Internet.

Pour le développement, le système a été subdivisé en deux sous-systèmes principaux:

· Module mixte d'intégration du processus d'évaluation dans Moodle d'apprentissage mixte. Ce module permet la génération de PDF à partir de questionnaires collections de questions stockées dans la base de données et l'intégration des résultats sur la plate-forme.

· Module intégré dans Moodle pour le traitement des questionnaires sur papier grâce à la reconnaissance de la marque et des codes à barres. Ce module est responsable de la reconnaissance des marques faites sur le test et la collecte des résultats dans des fichiers qui peuvent être incorporés dans Moodle pour le traitement.

A. Blended-learning module de

Le module permet la génération de questionnaires mélangés au format PDF à partir de collections de questions stockées dans la base de données de la plate-forme Moodle. Questionnaires utilisés actuellement composé de questions à choix multiple, vrai ou faux et tapez du texte. Vous pouvez obtenir mélangées au hasard [17].

Le module permet à l'enseignant de choisir un questionnaire à partir d'un cours Moodle et indiquer le nombre de tirages que vous souhaitez générer. Le module génère les fichiers suivants:

· Le fichier de configuration à partir de OMR, contenant les coordonnées de tous les éléments. Ce fichier est nécessaire pour le détecteur de OMR à localiser les réponses marquées par les étudiants.

· Fichier PDF avec plusieurs pages comme des instances de questionnaires indiquée par l'enseignant. Chaque feuille de ce fichier a un identificateur qui concerne l'issue de la phase d'évaluation avec les questionnaires. Plus il ya un espace pour les élèves de coller un autocollant avec code à barres, puisque les étudiants se voient offrir un lien pour générer des étiquettes avec codes à barres.

La figure 2 montre le format des questionnaires. Formé d'un en-tête qui apparaît dans le logo de l'Université, le nom du cours, le code à barres avec le numéro d'identification ainsi que le nombre de feuilles questionnaire. La figure 3 montre un questionnaire partiellement vraie. Plus de détails sur le fonctionnement et la mise en œuvre de ce module peut être trouvée dans [17].

Ce module permet également, une fois scanné les résultats des questionnaires, transmettre des valeurs à Moodle, afin que les résultats peuvent être consultés par les étudiants et les enseignants à travers la plate-forme. Ainsi, à partir de Moodle, les enseignants peuvent obtenir sur un répertoire de travail spécifique du fichier en cours avec les images obtenues à partir de la numérisation de tous les questionnaires papier remplis par les élèves et demander au système de traitement automatique. Pour stocker les résultats automatiquement dans Moodle, les images numérisées en résultent doivent être traitées par le module de reconnaissance de la marque, décrit ci-dessous.

Figure 2. Format des questionnaires. Source: [17].

Figure 3. Exemples de questions générées.

B. OMR Module

Module de OMR pour Moodle est un programme Java peut lire les fichiers PDF à partir de plusieurs pages et TIF, ainsi que des images de différentes résolutions. Traite les fichiers de configuration pour identifier les cas de formes et de détecter les positions des marques, procéder à certains ajustements pour résoudre la numérisation des défauts tels que les déplacements et les rotations de l'image.

Le module traite les fichiers d'identification du lot de l'image, réglage de la résolution et les caractéristiques de couleur et de l'application d'une série d'algorithmes pour effectuer les actions suivantes sur les différents éléments d'un document:

· Détection des repères d'alignement au bord de elresalte et transformée de Hough pour éliminer la rotation ou le déplacement de l'analyse.

· Pour déterminer le degré de remplissage des marques de commerce des options de réponse, par corrélation croisée avec un modèle de la marque.

· Les numéros de code d'identification Obtention exemplaire imprimé et l'utilisateur a répondu en reconnaissant les codes à barres et à deux dimensions linéaire ou 1D QR (Quick Response) ou 2D.

Avec les résultats du traitement génère un fichier de sortie. Des tests préliminaires, il peut indiquer que le degré de fiabilité du système est élevée, tout en assurant que le déplacement produit par le scanner pour ramasser les feuilles est faible. Pourtant, s'il ya un échec de la reconnaissance, elle peut être corrigée manuellement par l'enseignant. En outre l'étudiant sera toujours montrer les résultats, ainsi que d'une image du questionnaire original, de sorte que vous pouvez vérifier leurs résultats n'ont pas été compromis dans le processus de numérisation et de reconnaissance.

Plus de détails sur le fonctionnement et la mise en œuvre de ce module peut être trouvée dans [18].

Références

[1]   L.A. Shepard, The Role of Classroom Assessment in Teaching and Learning, Los Angeles, CA: CRESST – CSE Technical Report 517, 2000. Disponible en: http://datause.cse.ucla.edu/DOCS/las_rol_2000.pdf (Última consulta: 25/04/2011).

[2] G. Rodríguez Gómez and M.S. Ibarra Sáiz (Eds.), e-Evaluación orientada al e-Aprendizaje estratégico en la universidad, Madrid: Narcea, 2011 (en prensa).

[3]   J.C. Fortes Garrido, R. Arribas de Paz, and F. Gomez Bravo, “Adaptación y Planificación Eficaz de la Evaluación en el EEES,” Comunicaciones del XVI Congreso Universitario de Innovación Educativa en las Enseñanzas Técnicas, no. 16, 2008.

[4]   A.M. Delgado, and R. Oliver, “La evaluación continua en un nuevo escenario docente”, Revista de Universidad y Sociedad del Conocimiento, vol. 3, no.1, 2006. Disponible en: http://www.uoc.edu/rusc/3/1/dt/esp/delgado_oliver.pdf(Última consulta: 25/04/2011).

[5]   E. Dorrego, “Educación a Distancia y Evaluación del Aprendizaje,” Revista de Educación a Distancia, no. IV, 2006. Disponible en: http://www.um.es/ead/red/M6 (Última consulta: 25/04/2011).

[6]   A. Bartolomé, “Blended Learning. Conceptos básicos,”Revista de Medios y Educación, no. 23, pp. 7-20, 2004.

[7]   C. Morgan, and M. O’Reilly, Assessing Open and Distance Learners. London: Kogan Page, 2002.

[8]   JISC, Effective Practice with e-Assessment. An overview of technologies, policies and practice in further and higher education, 2007. Disponible en: http://www.jisc.ac.uk/media/documents/themes/elearning/effpraceassess.pdf (Última consulta: 25/04/2011).

[9]   Y. Miao, C. Tattersall, J. Schoonenboom, S. Stevanov, and A. Aleksieva-Petrova, “Using open technical e-learning standards and service orientation to support new forms of e-assessment”, In D. Griffiths, R. Koper and O. Liber (Eds), Service Oriented Approaches and Lifelong Competence Development Infrastructures. Proceedings of the 2nd TENCompetence Open Workshop Manchester, UK, pp. 183-191, Bolton: The Institute for Educational Cybernetics, University of Bolton, 2007.

[10]V. González-Barbone, and M. Llamas-Nistal, “eAssessment: Trends in Content Reuse and Standardization,” Proceedings of the 37th ASEE/IEEE Frontiers in Education Conference, Milwaukee, USA, 2007.

[11]G.H. Smith, L.N. Wood, M. Coupland, B. Stephenson, K. Crawford, and G. Ball, “Constructing mathematical examinations to assess a range of knowledge and skills,” International Journal for Mathematical Education in Science and Technology, vol. 27, no. 1, pp. 65-77, 1996.

[12]A. García-Beltrán, R. Martínez, J.A. Jaén, and S. Tapia, “La autoevaluación como actividad docente en entornos virtuales de aprendizaje/enseñanza,” Revista de Educación a Distancia, no. IV, 2006. Disponible en http://www.um.es/ead/red/M6 (Última consulta: 26/04/2011).

[13]M. Blanco, and M. Ginovart, “Análisis de la eficiencia de cuestionarios Moodle como herramienta de evaluación de asignaturas de matemáticas correspondientes a primeros cursos de titulaciones de ingeniería,” Congreso Internacional Docencia Universitaria e Innovación, 2010.

[14]E. Barberà, “Aportaciones de la tecnología a la e-Evaluación”, Revista de Educación a Distancia, no. VI, 2006. Disponible en: http://www.um.es/ead/red/M6 (Última consulta: 25/04/2011).

[15]M. Alacid, M.R. Castellar, and J.M. Obón, “Exámenes de autoevaluación en el aula virtual: Generación y resultados,” Comunicaciones de las I Jornadas sobre la enseñanza de las ciencias y las ingenierías, Murcia, 2008. Disponible en: http://www.murciencia.com/UPLOAD/COMUNICACIONES/examen_autoevaluacion_aula_virtual.pdf(Última consulta: 25/04/2011).

[16]M. Blanco, and M. Ginovart, “Creating Moodle quizzes for the subjects of mathematics and statistics corresponding to the first years in engineering studies,” Proceedings of Edulearn09 - International Conference on Education and New Learning Technologies, 2009. Disponible en http://upcommons.upc.edu/e-prints/bitstream/2117/3064/1/blanco_ginovart_... (Última consulta: 25/04/2011).

[17]N. Haro, Integración de un Sistema de Reconocimiento Óptico de Marcas para la Aplicación de Blended e-Learning, Proyecto Fin de Carrera, Valladolid: ETS Ingenieros de Telecomunicación, 2010.

[18]J. Rodilana, Desarrollo de un sistema de reconocimiento óptico de marcas para integración en un sistema de e-learning, Proyecto Fin de Carrera, Valladolid: ETS Ingenieros de Telecomunicación, 2010.