Sesión 3. Análisis de redes sociales

Slides:



Advertisements
Similar presentations
Performance in Decentralized Filesharing Networks Theodore Hong Freenet Project.
Advertisements

Dr. Henry Hexmoor Department of Computer Science Southern Illinois University Carbondale Network Theory: Computational Phenomena and Processes Social Network.
Social Network Analysis and Its Applications By Paul Rossman Indiana University of Pennsylvania.
2 The NodeXL Project Team About Me Introductions Marc A. Smith Chief Social Scientist Connected Action Consulting Group
Complex Networks Third Lecture TexPoint fonts used in EMF. Read the TexPoint manual before you delete this box.: AA TexPoint fonts used in EMF. Read the.
By: Roma Mohibullah Shahrukh Qureshi
Social Network Analysis Social Computing Foothill College.
Interactive Data Visualization for Rapid Understanding of Scientific Literature Cody Dunne Dept. of Computer Science and Human-Computer Interaction Lab,
THAI Técnicas de Investigación Cualitativa y Mixta S5. Análisis de redes sociales y métodos mixtos Alejandra Martínez Monés 28 de septiembre 2010.
A Model of Communities Multi-Layered Networks John Stevens Introduction This poster describes a multi-layered model of a community. This model builds on.
Social Network Analysis: Tasks and Tools Steven Loscalzo and Lei Yu Department of Computer Science Watson School of Engineering and Applied Science State.
HCC class lecture 22 comments John Canny 4/13/05.
Klassificering af Inf. Systemer Baseret på: Luis M. Camarinha-Matos & Hamideh Afsarmanesh: Collaborative networks: a new scientific discipline.
Leeds University Business School Introduction to Social Network Analysis Technology and Innovation Group Leeds University Business School.
Social Network Analysis for National Security Michael Last Department of Defense.
Social Media Mining Graph Essentials.
Analysis and Modeling of the Open Source Software Community Yongqin Gao, Greg Madey Computer Science & Engineering University of Notre Dame Vincent Freeh.
Using Friendship Ties and Family Circles for Link Prediction Elena Zheleva, Lise Getoor, Jennifer Golbeck, Ugur Kuter (SNAKDD 2008)
Research Meeting Seungseok Kang Center for E-Business Technology Seoul National University Seoul, Korea.
Guillaume Erétéo, Michel Buffa, Fabien Gandon, Olivier Corby.
Social Network Analysis: A Non- Technical Introduction José Luis Molina Universitat Autònoma de Barcelona
Principles of Social Network Analysis. Definition of Social Networks “A social network is a set of actors that may have relationships with one another”
Lectures 6 & 7 Centrality Measures Lectures 6 & 7 Centrality Measures February 2, 2009 Monojit Choudhury
Science: Graph theory and networks Dr Andy Evans.
Complex Networks First Lecture TexPoint fonts used in EMF. Read the TexPoint manual before you delete this box.: AA TexPoint fonts used in EMF. Read the.
FRE 2661 CSCL Conference, Bergen, june 2003C. Reffay, T. Chanier 1 How Social Network Analysis can help to measure cohesion in collaborative distance-learning.
An Introduction to Social Network Analysis Yi Li
A Graph-based Friend Recommendation System Using Genetic Algorithm
VMT Workshop june 9-11, Philadelphia Gerardo Ayala Centro de Investigación en Tecnologías de la Información y Automatización, CENTIA Universidad de las.
A project from the Social Media Research Foundation: Finding direction in a sea of connection:
1/25 Visualizing Social Networks Ryan Yee. 2/25 Plan Introduction and terminology Vizster NodeTrix MatLink Applications to Multi-agent systems.
Social Networks. 2 A social network is a social structure made up of individuals or organizations (called "nodes“), which are tied (connected) by one.
Yongqin Gao, Greg Madey Computer Science & Engineering Department University of Notre Dame © Copyright 2002~2003 by Serendip Gao, all rights reserved.
Complex Network Theory – An Introduction Niloy Ganguly.
Topics Paths and Circuits (11.2) A B C D E F G.
Complex Network Theory – An Introduction Niloy Ganguly.
MHEDIC Structure and Accomplishments Naorah Lockhart, Liz Mellin, Paul Flaspohler, & Seth Bernstein.
+ Big Data, Network Analysis Week How is date being used Predict Presidential Election - Nate Silver –
1 Milwaukee Mathematics Partnership Using Social Network Analysis to Understand Links Between Teacher Leader Roles and Student Achievement Carl Hanssen.
Social network analysis
HCC class lecture 21: Intro to Social Networks John Canny 4/11/05.
March 3, 2009 Network Analysis Valerie Cardenas Nicolson Assistant Adjunct Professor Department of Radiology and Biomedical Imaging.
S OCIAL N ETWORK A NALYSIS F OR D UMMIES Y ANNE B ROUX DH S UMMER S CHOOL L EUVEN, S EPTEMBER
Topical Scientific Community —A combined perspective of topic and topology Jin Mao Postdoc, School of Information, University of Arizona Sept 4, 2015.
Social Network Analysis as an evaluation tool 10 June 2015Rick UNICEF, FLorence1.
Network Theory by Erlan Bakiev, Ph. D. Zirve University Spring 2012.
1 Milwaukee Mathematics Partnership Changes in School Learning Networks from 2006 to 2009 Carl Hanssen Hanssen Consulting, LLC DeAnn Huinker University.
Hierarchical Organization in Complex Networks by Ravasz and Barabasi İlhan Kaya Boğaziçi University.
S OCIAL N ETWORK A NALYSIS F OR D UMMIES Y ANNE B ROUX DH S UMMER S CHOOL L EUVEN, S EPTEMBER
1 Intelligent Information System Lab., Department of Computer and Information Science, Korea University Semantic Social Network Analysis Kyunglag Kwon.
JOANNEUM RESEARCH Forschungsgesellschaft mbH, Steyrergasse 17, A-8010 Graz, Austria, web: ISO 9001 zert.
GUILLOU Frederic. Outline Introduction Motivations The basic recommendation system First phase : semantic similarities Second phase : communities Application.
Noshir Contractor Professor, Departments of Speech Communication & Psychology Director, Age of Networks Initiative, Center for Advanced Study Director,
Hiroki Sayama NECSI Summer School 2008 Week 2: Complex Systems Modeling and Networks Network Models Hiroki Sayama
A Viewpoint-based Approach for Interaction Graph Analysis
Social Networks Analysis
Social Networks Analysis
Comparison of Social Networks by Likhitha Ravi
Load Weighting and Priority
E-Commerce Theories & Practices
SOCIAL NETWORKS Amit Sharma INF -38FQ School of Information
STM Annual Spring Conference 2011
Department of Computer Science University of York
CS 594: Empirical Methods in HCC Social Network Analysis in HCI
Jiawei Han Department of Computer Science
Social Network Analysis
Expert System Dr. Khoerul Anwar, S.T.,M.T STMIK Pradnya Paramita
SOCIAL NETWORKS Amit Sharma INF -38FQ School of Information
Social Network Analysis
(Social) Networks Analysis II
Presentation transcript:

Sesión 3. Análisis de redes sociales Técnicas y Herramientas de Apoyo a la investigación (THA) II. Técnicas de Investigación Cualitativa Sesión 3. Análisis de redes sociales Alejandra Martínez Monés Noviembre 2009

Social network analysis (SNA) Considers relations and mutual effects of actors within groups and organisations Based on empirical data Different levels of analysis (individual, sub-group, community) Formal methods, mainly based on graph theory and graph algorithms Fundamentals were presented as „Sociometry“ (Moreno, 1951) Sociogram Sociomatrix

Social network analysis Social network Set of actors (a person, a department, a company) and relationships among them Examples: “is a friend of” “is a neighbor of” “distributes goods to” “is a member of” Una de las primeras cuestiones planteadas en esta línea fue identificar qué relación existe entre SNA y aprendizaje situado. El aprendizaje situado considera que existe una fuerte interrelación entre lo individual y lo grupal, lo que lleva a la necesidad de estudiar la acción humana a diferentes niveles individuo, subgrupo, comunidad... . El análisis de redes sociales comparte esta visión y aporta modelos y medidas para apoyar en el estudio de las características de los grupos sociales, cuestión que no ofrecen los métodos cualitativos ni los estadísticos tradicionalmente más basados en el individuo, por lo que el SNA aparece realmente como una perspectiva apropiada para apoyar el estudio del aprendizaje desde un punto de vista situado. El análisis de redes sociales define una red como un conjunto de actores más las relaciones entre ellos. Por tanto, una red social puede ser considerada como un grafo, y ser representada en forma de matriz de adyacencia o gráficamente, en forma de sociograma. Sobre estas representaciones es posible la extracción de muchas medidas de Forma automática. Una parte de nuestro trabajo en este punto ha sido la identificación de un conjunto pequeño de medidas apropiadas para estudiar aspectos participativos, y que a la vez fueran fáciles de entender por los usuarios (profesores no expertos en SNA). Los índices seleccionados fueron los que se muestran en esta transparencia: ...

Social Network Analysis Graphical representation - Sociograms

Social network analysis Types of networks Mode One-mode networks: one set of actors Two-mode networks: two sets of actors. Affiliation networks: relationships between actors and activities Complete vs. egocentric networks Una de las primeras cuestiones planteadas en esta línea fue identificar qué relación existe entre SNA y aprendizaje situado. El aprendizaje situado considera que existe una fuerte interrelación entre lo individual y lo grupal, lo que lleva a la necesidad de estudiar la acción humana a diferentes niveles individuo, subgrupo, comunidad... . El análisis de redes sociales comparte esta visión y aporta modelos y medidas para apoyar en el estudio de las características de los grupos sociales, cuestión que no ofrecen los métodos cualitativos ni los estadísticos tradicionalmente más basados en el individuo, por lo que el SNA aparece realmente como una perspectiva apropiada para apoyar el estudio del aprendizaje desde un punto de vista situado. El análisis de redes sociales define una red como un conjunto de actores más las relaciones entre ellos. Por tanto, una red social puede ser considerada como un grafo, y ser representada en forma de matriz de adyacencia o gráficamente, en forma de sociograma. Sobre estas representaciones es posible la extracción de muchas medidas de Forma automática. Una parte de nuestro trabajo en este punto ha sido la identificación de un conjunto pequeño de medidas apropiadas para estudiar aspectos participativos, y que a la vez fueran fáciles de entender por los usuarios (profesores no expertos en SNA). Los índices seleccionados fueron los que se muestran en esta transparencia: ...

Application areas of SNA for computer science Human oriented disciplines Computer supported collaborative learning (CSCL) Computer supported cooperative work (CSCW) Network Analysis Identification of bottlenecks in computer networks Fault-tolerance and –handling in distributed systems Knowledge Structures Growing interest in analysis of dynamic knowledge structures, such as Wikipedia

Social network analysis Some indicators Centrality of actors Degree based Proximity / Closeness based Betweenness based Centralization of a network Prestige of actors Indegree and proximity Groupings: Cliques, Clusters, Positions Una de las primeras cuestiones planteadas en esta línea fue identificar qué relación existe entre SNA y aprendizaje situado. El aprendizaje situado considera que existe una fuerte interrelación entre lo individual y lo grupal, lo que lleva a la necesidad de estudiar la acción humana a diferentes niveles individuo, subgrupo, comunidad... . El análisis de redes sociales comparte esta visión y aporta modelos y medidas para apoyar en el estudio de las características de los grupos sociales, cuestión que no ofrecen los métodos cualitativos ni los estadísticos tradicionalmente más basados en el individuo, por lo que el SNA aparece realmente como una perspectiva apropiada para apoyar el estudio del aprendizaje desde un punto de vista situado. El análisis de redes sociales define una red como un conjunto de actores más las relaciones entre ellos. Por tanto, una red social puede ser considerada como un grafo, y ser representada en forma de matriz de adyacencia o gráficamente, en forma de sociograma. Sobre estas representaciones es posible la extracción de muchas medidas de Forma automática. Una parte de nuestro trabajo en este punto ha sido la identificación de un conjunto pequeño de medidas apropiadas para estudiar aspectos participativos, y que a la vez fueran fáciles de entender por los usuarios (profesores no expertos en SNA). Los índices seleccionados fueron los que se muestran en esta transparencia: ...

Indicators - Examples Individual: Degree centrality: Activity of a node C D (ni) = d(ni) =  xi+ Normalized degree centrality C’D (ni) = d(ni) / (g-1)

Indicators - Examples Global: Density: Global activity of the network  = 2 L / g (g -1) L, number of links; g, number of nodes Degree Centralization: Dependency of a single actor CD = 1<=i<=g [CD (n*) – CD( ni)] / (g-1) (g-2), CD (n*) = maxiCD( ni)

Social Network Analysis Sociograms Who is central in this network?

SNA – visualisation techniques = 24,45% CD = 63,6% Teacher Group 1 Group 2 Group 3 Intra-group Inter-group CD (x00) = 81,9 % CD (x21) = 9,1 % CD (x32) = 9,1 % Además, los grafos pueden representarse en forma de sociogramas, que, mediante el uso de atributos de color, y de algoritmos para situar los nodos de forma significativa, facilita el análisis de las relaciones. En concreto, en este trabajo se ha propuesto el uso de algoritmos de escalamiento multidimensional, que situa los nodos en el espacio, de forma que las distancias euclídeas entre los actores reflejen la distancia entre ellos, según la relación considerada. Por ejemplo, como se ve en la figura, podemos ver que el uso de colores permite distinguir los nodos según un atributo que indica el grupo al que están asignados los alumnos, o si el actor es el profesor. Los enlaces azules representan relaciones intragrupo y los rojos, intergrupo. La red recuerda un poco la forma de una estrella alrededor del actor x00 (profesor). Esto se refleja también en los indices de densidad y de centralización. El uso de MDS permite identificar como se distribuyen los subgrupos según su grado de interrelacion y también a los actores más activos son los más activos globalmente, y los menos activos, que se situan en posiciones perífericas.

Data Collection and Transformations Computer-mediated communication Discussion Forums Mailinglists Web 2.0 applications, such as xing, facebook etc. Archival records / artifacts Bibliographies Wikis Versioning systems (e.g. CVS) Automatically processable Potential for transformation between differenet network types

Limitations of the method Frequently not all of the interaction takes place inside a computer environment People going for a coffee and discussing their homework Interpretation is hard without „insider knowledge“, i.e. replication is difficult Combination with other methods is useful  „triangulation“

Example – AO case study BSCW Density =17,54%  = 35,48% Subproject 2 Final project Density =17,54%  = 35,48% Centralization CD=87,03% CD= 68,21% Indirect networks through BSCW Ahora, ¿se dio colaboración a través de BSCW? En la figura se muestra una red de uno de los subproyectos, en concreto el subproyecto 2, y de la fase final, donde los grupos colaboran a nivel de cliente. Se muestran solo los alumnos pertenecientes a uno de los tres turnos de laboratorio. En el primer sociograma se observa una red con poca densidad y muy centralizada alrededor del profesor. Esto significa que BSCW fue utilizado fundamentalmente para recoger información dejada por el profesor. El resto de gráficos d los subproyectos ...

SNA Software UCINet – Whole Network Analysis NetDraw – Visualization http://www.analytictech.com/downloaduc6.htm Pajek – Network Visualization (Large Networks) http://pajek.imfm.si/doku.php SAMSA – SNA applied to CSCL scenarios amartine@infor.uva.es

SNA tools - SAMSA Other SNA tools (UCINET NETDRAW) DL file Actions Participants Teacher / evaluator Other SNA tools (UCINET NETDRAW) Interaction through the computer DL file Answers to questionnaires Configuration parameters Sociograms CSCL tool QUEST Interaction maps Sociometries Event logs Actions (Generic XML format) SNA indexes SAMSA

SAMSA - Example Raw source data (BSCW logfile) User:[158009, 'stm1x06'] object:[162008, 'stm1x04_Diagrama_Estados'] Type:ReadEvent Time:1087083920.3 Members:[[158339, 'stm1x17', 'l5QcDnyhBmzkc'], [158099, 'stm1x09', 'SgBa8D7t4R3XQ'], [116766, 'stm1x00', 'Q5OG42nMsUCog'], ... Path: [[158012, ':stm1x06'], [156970, 'Ingeniería de software (03/04)'], [158541, 'El proyecto de la herramienta de encuestas'], [160233, 'Elaboración (primera iteración)'], [161426, '6. Diagramas de Estado']] On:[161426, '6. Diagramas de Estado'] Touched:[158012, ':stm1x06'] Icon:'/bscw_resources/icons/e_read.gif' Class:Document Content:application/pdf User:[158249, 'stm1x14'] object:[161927, 'stm1-junio03.pdf'] Type:ReadEvent Time:1087134052.9 Members:[[158339, 'stm1x17', 'l5QcDnyhBmzkc'], [158099, 'stm1x09', 'SgBa8D7t4R3XQ'], [116766, 'stm1x00', 'Q5OG42nMsUCog'], [158129, 'stm1x10', 'kn/7H8eEIaSD6'], [157859, 'stm1x01', '8zEhF2Cl/XRlI'], [158399, 'stm1x19', '2GUzLTh.vkZNw'], [158009, 'stm1x06', '.MH/OmIqgz7HQ'], [158039, 'stm1x07', 'nhiUpoSQdFnWA'], [158249, 'stm1x14', 'bMckxPSGUQwts'], [158429, 'stm1x20', 'zpRVdxqaDKDkw'], [157979, 'stm1x05', 'qpE8BEv6DvK1M'], [158159, 'stm1x11', 'Ttibbr4C9YDdw'], [158309, 'stm1x16', 'gwkeGlWoNsn3Y'], [157949, 'stm1x04', 'ZbRd75nzzT39c'], [158219, 'stm1x13', 'dI/2GRyZPEbbI'], [158369, 'stm1x18', '1VpwTzrnjvteI'], [157919, 'stm1x03', 'JtWyaVVOJNo7E'], [158279, 'stm1x15', 'dE2Y.IRtuK30g'], [157889, 'stm1x02', 'xyAQS9GZf62Es'], [158069, 'stm1x08', 'wksiMtOrd/PK2'], [158189, 'stm1x12', 'RwmThVDSMhk0g']] Path:[[158252, ':stm1x14'], [156970, 'Ingeniería de software (03/04)'], [158473, 'Material académico'], [158531, 'exámenes']] On:[158531, 'exámenes'] Touched:[158252, ':stm1x14'] Icon:'/bscw_resources/icons/e_read.gif' Class:Document Content:application/pdf

SAMSA - Example XML “generic” format <ACTIVITY id="SP1“ act-goal="Subproyecto 1"/> <SESSION date="09/10/2001"> <ACTION> <ACT.TIMESTAMP>08:42</ACT.TIMESTAMP> <ACT.SOURCE ref="laox38"/> <ACT.DESC> <ACT.IND> <ACT.IND.DOC type="ReadEvent"> <DOC key="47951" type="Note"> <DOC.PATH>:laox38</DOC.PATH> <DOC.PATH>Curso 2001-2002</DOC.PATH> <DOC.PATH>GENERAL'],[17938, ]</DOC.PATH> <DOC.PATH>Comentarios ... </DOC.PATH> <DOC.PATH>SERIA MAS ... </DOC.PATH> <DOC.CONTENT>None</DOC.CONTENT> </DOC> </ACT.IND.DOC> </ACT.IND> </ACT.DESC> </ACTION>

SAMSA - Example Social Network (SAMSA output) DL N=19 FORMAT = FULLMATRIX DIAGONAL PRESENT LABELS: x00 x21 x22 x23 x24 x25 x26 x27 x28 x29 x31 x32 x33 x34 x35 x36 x37 x38 x39 9 0 3 2 3 3 6 1 4 3 2 0 0 4 2 2 1 2 6 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 10 9 0 0 6 0 0 0 0 0 1 3 0 0 0 5 1 1 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 1 2 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 5 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 3 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 2 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 2 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 2 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0

SAMSA - Example SNA indexes (SAMSA output) GRUPO OUTDEGREE INDEGREE OUTFARNESS INFARNESS OUTCLOSENES INCLOSENESS ----- --------- -------- ------- --------- ----------- ----------- x00 44,00 3,00 55,00 101,00 32,73 17,82 x21 1,00 0,00 65,00 342,00 27,69 5,26 x22 25,00 8,00 72,00 100,00 25,00 18,00 x23 5,00 22,00 67,00 91,00 26,87 19,78 x24 3,00 3,00 77,00 113,00 23,38 15,93 x25 1,00 3,00 81,00 113,00 22,22 15,93 x26 0,00 16,00 342,00 69,00 5,26 26,09 x27 3,00 1,00 77,00 113,00 23,38 15,93 x28 2,00 4,00 79,00 113,00 22,78 15,93 x29 1,00 6,00 70,00 108,00 25,71 16,67 x31 0,00 2,00 342,00 97,00 5,26 18,56 Densidad normalizada: 14,33 % Densidad: 29,53 % La centralizacion(InDegree): 97,84 % La centralizacion(OutDegree): 226,85 %

SAMSA - Example Sociogram (NetDraw)

Tools - Quest Quest (Questionnaire web-based tool) Contact person: Eduardo Gómez Sánchez edugom@tel.uva.es

Tools - Quest Actions (XML) NUD*IST QUEST SAMSA Teacher / Participants evaluator Categories Observations New Answer to questionnaires Designs questionnaires Interaction maps categories RTF files NUD*IST Interactions through the computer QUEST Tables CSCL tool Statistic indexes STATISTIC PACKAGE XML file Event log Actions (XML) el2xml obs2xml En ella se representan en azul celeste todas las herramientas involucradas en el apoyo a la evaluación: QUEST es una herramienta de gestión de cuestionarios, NUDIST es un paquete estándar para el apoyo al análisis cualitativo, y el paquete estadístico puede ser cualquier aplicación capaz de realizar medidas estadísticas simples. Por último, SAMSA es la herramienta desarrollada para el apoyo al análisis sociales. SAMSA recoge datos procedentes de las interacciones a través del ordenador que se producen a través de la herramienta de soporte al aprendizaje que estemos utilizando, respuestas a sociometrías enviadas por QUEST, datos sobre interacciones de los alumnos introducidos por el observador. Todos estos datos se representa de forma unificada en un fichero de acciones. SAMSA incluye filtros auxiliares para modificar los datos al formato unificado de representación de la acción que constituye la entrada del análisis. El fichero con la descripción de las acciones entra en el módulo SNA, con los parámetros de configuración introducidos por el evaluador, se producen la salidas para la evaluación: los índices que hemos descrito anteriormente y sociogramas. Vemos que el fichero de acciones tiene un papel central en el proceso, pues debe representar las diferentes fuentes de datos en un formato unificado, y a un nivel de abstracción adeucado para su procesamiento automático. En nuestra propuesta, estas acciones están representadas en el formato de representación de la acción que constituye la segunda contribución principal del trabajo. Antes de pasar a la descripción de la misma, sin embargo, terminaré la presentación del modelo con una breve discusión acerca de sus aportaciones. Pedagogical tool Evaluation tool or module File SNA indexes & sociograms SAMSA DL File (UCINET format)

Quest Set of tools for: Managing complete lifecycle of questionnaires Editing Web Publishing Filling in and results storing Results processing Managing “administrative” aspects Course definition Group formation At GSIC we use it for supporting collaborative learning scenarios

Quest QuestFormCreator: Java Stand-alone application Visual questionnaire authoring tool Questionnaires can be saved as: HTML file (for communications) XML file (for web publishing)

Quest Quest questionnaires: Divided in sections Each section composed of questions: Free text Numeric Checkboxes Choice list Matrix …

Design of questionnaires QuestFormCreator

QuestServer Web application Client side Web browser: FireFox as best choice

QuestServer Users Administrator: Teacher Student Creates/removes students, removes courses Teacher Creates/removes courses Invite/remove students/teaches Creates groups Publishes and closes questionnaires Publishes results Requests results files Student Fills questionnaires in, browses tables with results

(Interactive Learning Observer for Computer Analysis) Tools - Iloca Iloca (Interactive Learning Observer for Computer Analysis)

Observación Directa Observadores: Grupo EMIC Taller Buendía Palencia 4-03-2004 Nª Alumnos/as: 21 P C P.P.O Grupo 08 C P Grupo 07 P Grupo 06 C P Grupo 05 P.P.O P Grupo 03 Grupo 04 P P.P.O P Grupo 02 Profesor C Conceptos a observar: P.P.O: Preocupado por el observador CyL: Colabora y se levanta para hacer cosas. T: Teclea. T/R: Teclea con el ratón. NT: No teclea. C: Colaboran CyP: Contesta y pregunta. S.: Solo P.: Pregunta A.: Aclaraciones de Yannis A C.: Aclaración conjunta. I.D.: Intervención en el debate. R.: Ratón A. en Y.: Aclaración en el ordenador de Yannis. I.: Intervención I/O: Intervención sobre el comentario de otro grupo. Zona de reunión Interacción con…

Tools - Overview iloca Actions (XML) NUD*IST QUEST SAMSA Teacher / Participants evaluator Categories Observations Respuestas cuestionarios New Interaction maps categories NUD*IST Interactions through the computer QUEST Configuration parameters CSCL tool Statistic indexes STATISTIC iloca PACKAGE Event log Actions (XML) el2xml obs2xml En ella se representan en azul celeste todas las herramientas involucradas en el apoyo a la evaluación: QUEST es una herramienta de gestión de cuestionarios, NUDIST es un paquete estándar para el apoyo al análisis cualitativo, y el paquete estadístico puede ser cualquier aplicación capaz de realizar medidas estadísticas simples. Por último, SAMSA es la herramienta desarrollada para el apoyo al análisis sociales. SAMSA recoge datos procedentes de las interacciones a través del ordenador que se producen a través de la herramienta de soporte al aprendizaje que estemos utilizando, respuestas a sociometrías enviadas por QUEST, datos sobre interacciones de los alumnos introducidos por el observador. Todos estos datos se representa de forma unificada en un fichero de acciones. SAMSA incluye filtros auxiliares para modificar los datos al formato unificado de representación de la acción que constituye la entrada del análisis. El fichero con la descripción de las acciones entra en el módulo SNA, con los parámetros de configuración introducidos por el evaluador, se producen la salidas para la evaluación: los índices que hemos descrito anteriormente y sociogramas. Vemos que el fichero de acciones tiene un papel central en el proceso, pues debe representar las diferentes fuentes de datos en un formato unificado, y a un nivel de abstracción adeucado para su procesamiento automático. En nuestra propuesta, estas acciones están representadas en el formato de representación de la acción que constituye la segunda contribución principal del trabajo. Antes de pasar a la descripción de la misma, sin embargo, terminaré la presentación del modelo con una breve discusión acerca de sus aportaciones. Pedagogical tool Evaluation tool or module File SNA indexes & sociograms SAMSA DL File (UCINET format)

Nudist – Qualitative analysis Non-Numerical Unstructured Data Indexing, Search and Theorizing o Nudist Vivo de Qualitative Solutions Research - QSR