Aplicacin de minera de datos educativos a procesos

B-Learning.
Julin A. Monsalve
a
, Fredy A. Aponte
b
and Jorge G. Hoyos
c
a
Msc. En software Libre, Ingeniero de sistemas
b
Msc. En software Libre, Ingeniero en Sistemas y Computacin
c
Msc. Ciencias de la Informacin y las Comunicaciones, Ingeniero de Sistemas

Grupo de investigacin GIBRANT, Facultad de Ingeniera de Sistemas
Universidad Santo Tomas Seccional Tunja, Colombia
jmonsalve@ustatunja.edu.co, faponte@ustatunja.edu.co, decsistemas@ustatunja.edu.co
Resumen. El artculo describe la forma en que se aplican los conceptos de la minera de datos educativos a informacin
extrada de varias fuentes de datos de una institucin educativa en procesos de b-learning. Se explica el proceso de
ingeniera de software en el desarrollo de una herramienta informtica en la cual se aplica el modelo de anlisis
construido por los autores y se utilizan tcnicas de minera de datos para el anlisis de la informacin. Con base en el
anlisis cuantitativo y cualitativo de la informacin obtenida, se generaron recomendaciones para mejorar el uso de la
plataforma virtual con que cuenta la institucin.

Palabras clave: Minera de datos educativos, Minera web, Uso web, Ingeniera de software.
Abstract. The article describes how to apply the concepts of educational data mining on information from several data
sources in an educational institution in B-learning processes. It explains the process of software engineering in the
development of a software tool which, is applied in the analysis model built by the authors and used data mining
techniques for analyzing the information. Based on quantitative and qualitative analysis of the information obtained,
several recommendations were built to improve the use of the platform in the institution.
Keywords: Educational Data Mining, Mining web, Web use, Software engineering.
INTRODUCCIN
El gran volumen de informacin que se almacena en los entornos digitales utilizados en el proceso de enseanza
aprendizaje no se est aprovechando al mximo en algunas instituciones educativas para un mejoramiento continuo
del contenido, estructura y uso de los cursos virtuales. Varios autores han realizado investigaciones que utilizan
procesos de minera de datos para dar solucin a esta problemtica, argumentando tcnicas especficas para
informacin en entornos educativos.

El trabajo se divide en cuatro partes, en la primera se expone un estado de arte de las investigaciones que se han
realizado en los ltimos aos en el tema de minera de datos acadmicos, manejadores de contenidos educativos,
tcnicas de minera de datos y minera web. En la segunda parte se explica el modelo de anlisis que se cre para la
extraccin, filtracin y aplicacin de las tcnicas de minera de datos. En la construccin de la aplicacin se
describe el proceso de ingeniera de software que se us para el desarrollo del prototipo final de la investigacin. Por
ltimo se presentan algunos resultados del anlisis de la informacin extrada del modelo de anlisis de las fuentes
de informacin, est interpretacin se basa en un anlisis estadstico y en anlisis cualitativo extrado de algunas
entrevistas a los directores de cada unidad acadmica involucrada en el proceso.



ESTADO DE ARTE

El uso de ambientes virtuales basados en la Web, como herramienta de apoyo al proceso educativo, se ha
expandido en los ltimos aos, gracias al desarrollo de nuevos enfoques y modalidades de educacin, como el e-
learning y el b-learning. Mena [1] define el b-learning como el aprendizaje que combina alternativas presenciales y
no presenciales, en otras palabras este tipo de enseanza involucra actividades presenciales junto con actividades
virtuales que hacen uso de las tecnologas de la informacin y la comunicacin, b-learning se presenta hoy da como
una alternativa a la educacin virtual tambin llamada e-learning.

Estas nuevas formas de utilizacin de la tecnologa como apoyo al proceso de enseanza-aprendizaje, han
incentivado la aparicin de software especializado en proveer los mecanismos que facilitan el desarrollo del trabajo
autnomo del estudiante, su interaccin con el docente, y el uso de herramientas colaborativas y de comunicacin
para el trabajo grupal.

Actualmente la mayora de instituciones educativas hacen uso de Sistemas de Gestin de Aprendizaje (LMS,
Learning Management System) como apoyo a su labor educativa [2]. Entre estos gestores se encuentran plataformas
libres como Moodle [3], Claroline [4], Dokeos [5], Atutor [6], ILIAS [7], y de igual manera se encuentran
plataformas propietarias como Blackboard [8] y TopClass [9].


Estos sistemas muestran su contenido de una forma esttica donde el estudiante navega por el curso de una forma
que no necesariamente es la ms ptima de acuerdo a sus conocimientos, intereses y necesidades [10], sumado a este
inconveniente muchos profesores hacen uso de estas plataformas solo como repositorio de documentos
desaprovechando las funcionalidades que ofrecen estos Sistemas. Para contrarrestar estos inconvenientes han
surgido en la ltima dcada los sistemas hipermedia adaptativos con fines educativos que hacen uso de tcnicas de
KDD (Knowledge Discovery in Databases) para crear un modelo que permite adaptar el contenido y enlaces del
curso al usuario actual [11]. Interbook (Brusilovsky, Eklund, & Schwarz), Elm-Art [12], [13], Indesach [15] son
ejemplo de estos sistemas Hipermedia Adaptativos basados en Web.

En aras de lograr un mejor aprovechamiento de la informacin alojada en las bases de datos que sirve de soporte
a las plataformas virtuales de aprendizaje, se propone el uso de tcnicas y herramientas de minera de datos para la
caracterizacin del uso dado a dichas plataformas por parte de una comunidad acadmica.

La minera de datos, tiene como finalidad segn [15] el descubrimiento eficiente de informacin no obvia de un
volumen amplio de informacin. Lo anterior tiene como objetivo ayudar a buscar situaciones interesantes con los
criterios correctos, complementar una labor que hasta ahora se ha considerado intelectual y de alto nivel, privativa
de los gerentes, planificadores y administradores [16] La aplicacin de la minera de datos en varias reas es hoy en
da indiscutible, y por ende la mayora de software especializado la incluyen para permitir un anlisis de la
informacin heurstica y probabilstica [17].

Como una rama especializada de la minera de datos surge la minera Web, definida en [18] como el uso de
tcnicas de minera de datos para recuperar, extraer y evaluar automticamente informacin para descubrir
conocimiento de documentos y servicios web, y la minera de usabilidad definida en [19] como la aplicacin de
tcnicas de minera de datos al contenido, la estructura y el uso de recursos Web.

En la investigacin se utiliz la minera de datos educativos (Educational Data Mining, EDM) que fue definida
en 1995 como aquella que tiene como objetivo analizar datos especficos de estudiantes, docentes y autoridades
educativas en sistemas manejadores de contenidos educativos (LMS), est informacin puede ser a priori y a
posteriori en modelos de formacin E-learning y B-learning. El anlisis de la informacin por medio de EDM brinda
a los actores algunos puntos de vista globales en el comportamiento de la plataforma, creando valor a servicios a
posteriori, con informacin a priori que se puede analizar para el mejoramiento de la misma. Los actores que
intervienen en el EDM son los estudiantes, docentes, directivos y administrativos de una organizacin acadmica
[20]



FIGURA 1. Descripcin de actores en la Minera de datos Educativos. Fuente: Los autores

La informacin almacenada del estudiante tiene como objetivos identificar las actividades, recursos y tareas que
podrn mejorar su rendimiento acadmico en la plataforma. Por otro lado se identifican las actividades en
plataforma que mejor se ajusten a un perfil determinado del estudiante.

El actor docente en el proceso EDM tiene como objetivos la cuantificacin del proceso enseanza - aprendizaje,
para medir la efectividad en los contenidos, estructura del curso y usabilidad, tal como se muestra en la figura 1.
Uno de los factores ms importantes del EDM desde el punto de vista del docente es la organizacin de los actores
estudiantes para realizar tareas de tutoras, asesoras y verificacin del proceso aprendizaje de manera individual, por
medio de bsquedas de patrones de comportamientos generales y anmalos. Para los actores docentes es importante
evaluar las actividades registradas en el curso, donde se debe analizar factores de efectividad y motivacin para dar
un mejoramiento a este proceso y poder madurar el proceso enseanza aprendizaje por medio de plataforma virtual.

Para las instituciones educativas la visin del EDM fundamenta mejor el uso de las tecnolgicas de la
informacin y las comunicaciones, adaptando mejor los contenidos ofrecidos desde las plataformas virtuales para la
organizacin de recursos institucionales como los diseos de horarios y la adquisicin de material con un anlisis a
priori, como se ilustra en la figura 1. Con un anlisis EDM las instituciones pueden disear estrategias globales
sobre la creacin de nuevos programas basados en la demanda y la orientacin de los mismos por medio de
competencias y necesidades del entorno.

MODELO DE ANLISIS
Partiendo de esta revisin se cre un modelo que sirvi para extraer patrones de usabilidad de las fuentes de
informacin como base de datos, log de conexin y reportes de registro y control acadmico. Los resultados
obtenidos fueron analizados de manera cuantitativa por medio de comparaciones de informacin de la oficina de
registro y control sobre poblacin versus matriculacin en los cursos de la plataforma virtual y cualitativamente
basado en entrevistas a los directores de las reas y programas de la institucin educativa.

Para el proceso de obtencin de datos en la investigacin se identific la fuente de datos de los servidores donde
se encuentra instalado en el LMS Moodle para realizar el anlisis. La primera fuente es el log de conexin del
servidor apache que se encuentra en un formato estndar diseado por CERN y NCSA segn [21] El formato de una
entrada en el Log para cada registro se divide en: direccin IP del cliente, identificacin del usuario, fecha y hora de
acceso, requerimiento, URL de la pgina accedida, el protocolo utilizado para la transmisin de los datos, un cdigo
de error, agente que realiz el requerimiento y el nmero de bytes transmitidos.

Para garantizar una buen proceso de anlisis es necesario realizar un pre procesamiento de los datos, esta tarea
de la metodologa tiene como objetivo contribuir de manera significativa en la creacin de patrones de calidad de la
informacin, para obtener datos minables y que puedan ser usados en tcnicas de limpieza y transformacin, ya que
generalmente los archivos de log de acceso de los servidores web, presentan datos duplicados y no vlidos, la
limpieza se encarga de dar solucin a estos inconvenientes para contribuir al buen desempeo del proceso de
transformacin de los datos.

En la limpieza de los datos se debe tener en cuenta la eliminacin de accesos realizados por robots, registros
basados en el cdigo de estado y duplicidad de la informacin. En la eliminacin de los accesos por robots se
identifican los accesos al servidor, mediante el campo user-agent que registra informacin diferente a navegadores
web. En la eliminacin de los registros del cdigo de estado, los registros http del rango 2xx corresponden a cdigo
de respuesta exitosa y por esto se deben eliminan los registros 1xx (informacin), 3xx (redireccin), 4xx (error de
cliente) y 5xx (error de servidor). Para la eliminacin de la duplicidad, se tienen en cuenta los registros relacionados
con hojas de estilo css, frames y elementos que componen la pgina como imgenes, animaciones, videos, etc., para
esta tarea es necesario identificar la naturaleza del sitio web, con el fin de conocer los registros importantes para el
anlisis de usabilidad del sitio. Por ejemplo si el sitio se encarga de ofrecer descargas de imgenes, no deben ser
borrados los registros relacionadas con archivo de tipo: png, jpg, gif, etc segn [22].


La otra fuente de origen de datos estn en la base de datos de Moodle, esta pueden estar en motores como
Mysql, Oracle, Postgresql, entre otros. Para el caso de la investigacin el motor de origen de datos se encuentra en
Mysql y se utilizaron las copias de seguridad de los ltimos dos semestres acadmicos correspondientes al primero y
segundo del 2011. Para la extraccin de la informacin se simulo el motor de bases de datos con las copias de
seguridad para realizar las consultas en SQL segn el modelo de anlisis de usabilidad. La ltima fuente de origen
de datos son los informes de poblacin estudiantil de la oficina de registro y control acadmico de los semestres
acadmicos analizados.

En el marco del anlisis de la investigacin se identific un ambiente b-Learning que tiene como objetivo utilizar
la plataforma para el apoyo de los procesos acadmicos presenciales, actividades de trabajo autnomo y de
acompaamiento de los cursos acadmicos presenciales segn [23]. Para la construccin del modelo de anlisis se
tuvo en cuenta la identificacin de patrones de usabilidad que son construidos con base a los registros del proceso
presencial y los registros de la plataforma virtual como se muestra en la figura 2.


FIGURA 2. Propuesta de extraccin de la informacin acadmica para el proceso de anlisis. Fuente: Los autores

CONSTRUCCIN DE LA APLICACIN
Siguiendo con el proceso metodolgico de la investigacin se desarroll una aplicacin que ayudara al proceso
de anlisis de la informacin de forma sistematizada y que brinda herramientas de consultas personalizadas
orientadas a los usuarios (institucin, decanos y docentes).


FIGURA 3. Diagrama de caso de uso de la aplicacin desarrollada. Fuente: Los autores

En la figura 3 se describen los actores y casos de uso con que cuenta la aplicacin, el actor administrador carga
los datos al sistema para estos sean filtrados para identificar la informacin a la que se puede aplicar la minera de
datos. Cuando la informacin filtrada este en la aplicacin los actores decano, docente y administrador puede aplicar
el proceso de anlisis de uso de forma dinmica mediante la ejecucin de los algoritmos de minera de datos para la
identificacin de patrones de uso y la generacin de informes grficos o en formato pdf.





FIGURA 4. Vista previa del prototipo desarrollado. Fuente: Los autores

Para el desarrollo de la aplicacin fue necesario definir el tipo de aplicacin a desarrollar, se identific un nivel
de complejidad de la aplicacin que se debe centrar a las necesidades del usuario por eso se utiliz un mtodo
iterativo incremental con una metodologa gil XP (Extreme Programming). Esta metodologa se enfoca ms en la
adaptabilidad que en la previsibilidad. Se le considera programacin extrema por la adopcin de las mejores
metodologas de desarrollo de acuerdo a lo que se pretende llevar a cabo con el proyecto y aplicarlo de manera
dinmica durante todo el ciclo de vida del software. La aplicacin se registr con una de las licencias mejor
adaptadas para el software libre y que es aprobada por la Free Software Fundation GNU Licencia Publica General
Versin 3.0 la cual garantiza las cuatro libertades del software libre. El cdigo fuente, binarios de la aplicacin y
manuales se encuentran alojado en http://sourceforge.net/projects/webmininglms/ para su estudio y adaptacin.
RESULTADOS
A continuacin se describe algunos resultados del anlisis de la informacin extrada del modelo de anlisis de
las fuentes de informacin, est interpretacin se basa en un anlisis estadstico y en anlisis cualitativo extrado del
90% de entrevistas a directores de cada unidad acadmica involucrada en el proceso. Desde el punto de vista de los
estudiantes se procede a contrastar el nmero de matriculados en cursos virtuales administrados por las diferentes
unidades acadmicas, con la poblacin total de estudiantes de cada una de ellas.

En los programas de pregrado se observa que la totalidad de los estudiantes de las ingenieras se encuentran
vinculados a cursos de la plataforma ofrecidos por sus facultades, mientras que los dems programas muestran una
subutilizacin de este recurso. En los programas de posgrado la subutilizacin es ms severa, encontrando seis
programas con ninguna participacin. Respecto a los departamentos acadmicos, que atienden poblacin de todos
los programas, se destaca la situacin del departamento de humanidades, dnde la utilizacin de la plataforma
apenas alcanza el 1% de los estudiantes atendidos. La interpretacin cualitativa de la informacin obtenida identifica
que los departamentos como humanidades y ciencias bsicas no tienen prioridad en el uso de la plataforma por el
tipo de contenidos y visiones filosficas de algunos docentes donde se argumenta que el uso de la plataforma
deshumaniza el proceso de enseanza aprendizaje. Lo anterior contrasta con el uso que hacen los estudiantes de las
facultades de ingeniera donde identifican la plataforma como herramienta fundamental para los procesos de tutoras
y de trabajo autnomo.



FIGURA 5. Estadsticas de uso de la plataforma Moodle periodo acadmico. Fuente: Los autores

Se evidencia que un alto porcentaje de los estudiantes matriculados en los cursos virtuales, aproximadamente un
45%, ingresa a la plataforma slo entre 1 y 10 veces a lo largo del semestre, denotando falta de inters en la
utilizacin de la misma, que en algunos casos est relacionado con la escasez de recursos y actividades programadas
por los docentes en el curso virtual. Los das de mayor utilizacin de la plataforma son domingo y lunes, y el horario
con ms actividad se encuentra entre las 10 a.m. y la 1 p.m. Por ltimo, se observa que la plataforma es accedida en
un 60% desde direcciones externas, hogares, oficinas y sitios pblicos, frente a un 40% originada en la red interna
de la institucin educativa. Lo anterior en gran medida est determinado por la mayor disposicin tanto de docentes
como de estudiantes de trabajar en estas franjas horarias desde la comodidad de sus hogares.


Se analiz la vinculacin de las actividades que ofrece la plataforma moodle en cada uno de los cursos. En dicho
anlisis se identific que las actividades que ms son vinculadas en los cursos son tareas, foros y quices, en un 55,60
%, 27,12% y 10,47% respectivamente en relacin a la utilizacin total de actividades. La vinculacin de tareas en
los cursos virtuales tiene un comportamiento similar en todos los programas de pregrado con un promedio de 55, 5%
de la vinculacin total de las actividades, se presenta una mayor vinculacin en los programas de Ingeniera con un
59,68% y de administracin de empresas con el 63,24%. Se evidencia que la funcionalidad de recepcin de tareas a
travs de la plataforma ha sido la de ms acogida por parte de los docentes, en gran medida por que facilita el
control en los tiempos de entrega, mientras que se observa una subutilizacin de la gran variedad de herramientas
disponibles en la plataforma, lo que se atribuye en parte a falta de capacitacin, as como a factores relacionados con
la disponibilidad de tiempo para el diseo y construccin de otro tipo de actividades en los cursos virtuales.


FIGURA 6. Estadsticas de uso de actividades por programa. Fuente: Los autores

La vinculacin de foros en cursos virtuales en programas de pregrado se destaca en los programas de derecho y
arquitectura con un promedio de 45,87% de la vinculacin total de las actividades, en los dems programas la
vinculacin de esta actividad en los cursos virtuales presenta un promedio de 26,20 %. La vinculacin de quices en
los cursos virtuales de los programas de pregrado presenta un promedio de 11,34 % de la vinculacin total de
actividades donde se destaca una vinculacin del 27,63% en el programa de contadura pblica y de 0% en el
programa de arquitectura.

Adicionalmente, se realiz un anlisis del uso realizado por parte de los estudiantes de los programas de
pregrado a las actividades de mayor vinculacin en los cursos, en dicho anlisis se obtuvo el porcentaje de
estudiantes que hacen uso de estas actividades en relacin al nmero de estudiantes de cada programa. Este anlisis
nos indica el porcentaje de estudiantes de cada programa que hicieron uso de cada recurso en al menos una
oportunidad.

El promedio del porcentaje de estudiantes que hacen uso de tareas, foros y quices respecto a la poblacin de cada
programa es de 56.02%, 26.87% y 31,05% respectivamente, cabe resaltar que a pesar que la actividad de quices
tienen poca vinculacin en los cursos (10,47%) y de no tener uso en tres programas de pregrado presentan un uso
total del 31.05% por parte de los estudiantes. Estas cifras se explican en gran medida por el hecho que este tipo de
actividades normalmente estn vinculadas a la asignacin de una nota, lo que genera un mayor compromiso y
motiva un alto grado de cumplimiento de las mismas.

La presentacin de tareas es la actividad que mayor uso presenta en los cursos de todos los programas de
pregrado, pero aunque su uso es el ms alto en todos programas, el comportamiento no es el mismo. Por ejemplo en
algunos programas se evidencia una participacin de casi el 100% de sus estudiantes, en otros cerca del 50% y en
algunos casos cerca del 20%, presentado un promedio general de estudiantes que hacen uso de la actividad de envi
de tareas del 56,02 %. Se destaca que en un gran porcentaje los estudiantes de los programas de ingeniera de
sistemas e ingeniera electrnica son los que mayor actividad tienen en los diferentes tipos de actividades.

CONCLUSIONES
La identificacin de patrones de uso de la plataforma virtual, permite a la institucin generar estrategias
para el mejor uso de la misma, consolidando los procesos de b-learning llevados a cabo por los diferentes programas
acadmicos. En el estudio realizado se evidenci la subutilizacin, por parte de algunos programas tanto de
pregrado como de posgrado, de las herramientas proporcionadas por la plataforma virtual, y el desaprovechamiento
de su potencial como herramienta que permite nuevas formas de mediacin pedaggica.

Adems de la identificacin de patrones de uso, la aplicacin de tcnicas de minera de datos a las
plataformas virtuales de aprendizaje, tiene la posibilidad de permitir el perfilamiento de usuarios, el anlisis de
contenidos y la estructura de contenidos en las mismas plataformas.

La gran importancia de la minera de datos web es que su uso y aplicacin permite detectar informacin no
visible y de gran importancia en cualquier aplicacin en internet, determinar patrones de conducta y establecer redes
de relaciones existentes que sirven para identificar grupos homogneos de usuarios, para encausar sus intereses
comunes al desarrollo de grupos participativos y lneas de investigacin, con personas dedicadas a temticas afines.

Por ltimo, y como un resultado ms de la investigacin, se desarroll una aplicacin de libre distribucin
que ayuda al proceso de anlisis de informacin de plataformas virtuales de aprendizaje (en esta caso Moodle)
aplicando tcnicas de minera de datos, la cual permite generar recomendaciones para las instituciones educativas y
promover el mejoramiento continuo en el uso de estas herramientas tecnolgicas.


BIBLIOGRAFA
1. Feierherd, G y Giusti, A. Una experiencia de blended learning en la asignatura Sistemas Distribuidos en la
Sede de Ushuaia de UNPSJB. Primeras Jornadas de Educacin en Informtica y TICs en Argentina. [En lnea]
2005. [Citado el: 20 de 07 de 2013.] http://cs.uns.edu.ar/jeitics2005/Trabajos/pdf/jeitics2005-full.pdf.
2. Springer. International Handbook of Virtual Learning Environments. s.l. : Springer, 2006.
3. Moodle. Moodle. [En lnea] 2012. [Citado el: 21 de 04 de 2012.] http://moodle.org/.
4. Consortium Claroline. Claroline - Easy & Flexible Learning Solutions. [En lnea] 2012. [Citado el: 21 de 04 de
2012.] http://www.claroline.net/.
5. Dokeos. Dokeos. [En lnea] 2012. [Citado el: 21 de 04 de 2012.] http://www.dokeos.com/.
6. ATutor. ATutor Learning Management Tools. [En lnea] 2012. [Citado el: 21 de 04 de 2012.] http://atutor.ca/.
7. ILIAS. ILIAS Open Source e-Learning. [En lnea] 2012. [Citado el: 21 de 04 de 2012.]
https://www.ilias.de/docu/.
8. Blackboard Inc. Blackboard. [En lnea] 1997. [Citado el: 21 de 04 de 2012.] http://www.blackboard.com.
9. WBT Systems. WBT Systems. E-Learning & Event Management made simple. [En lnea] 2012. [Citado el: 21 de
04 de 2012.] http://www.wbtsystems.com/product/.
10. Garca, Enrique, y otros. Usando Minera de datos para la Continua Mejora de cursos de e-learning. 2006,
Escuela Politcnica Superior universidad de Cdoba.
11. Brusilovsky, P. Adaptative Educational Systems on the World-Wide-Web: A Review. San Antonio : s.n., 1998.
Int. Conf. on Intelligent Tutoring Systems.
12. Weber, Gerhard y Brusilovsky, Peter. ELM-ART: An Adaptative Versatile System for Web-based Instruction.
2001, International Journal of Artificial Intelligence in Education, pgs. 351-384.
13. De Bra, Paul y Stash, Natalia. AHA! Adaptative Hypermedia for All. 2002, Second International Conference on
Adaptative Hypermedia and Adaptative Web-Based Systems, pgs. 381-384.
14. De Castro, C., y otros, y otros. Herramienta autor Indesach para la creacin de cursos hipermedia
adaptativos. 2004, Revista latinoamericana de tecnologa educativa.
15. Bigus, Josep P. Data Mining With Neural Networks. s.l. : McGraw-ill, 1996.
16. Davidsson, P. Autonomous Agents and the Concept of Concepts. 1996, Departament of Computer Science, Lund
University.
17. Ming-Syan, Chen, Jiawei, Han y Philip S., Yu. Data Mining: a view from database perspective. 1996, IEEE.
18. Mitra, Sushmita y Acharya, Tinku. Data Mining Multimedia, Soft Computing And Bioinformatics. New
Jersey : John Wiley & Sons, 2003.
19. Stumme, Gerd, Hotho, Andreas y Berent, Bettina. Usage Mining for and on the Semantic Web. 2002.
20. Bake, Ryan S.J.d. International Encyclopedia of Education. Pennsylvania, USA : Carnegie Mellon University,
2008.
21. Luotonen, A. The Common Log File Format. [En lnea] 1995. http://www.w3.org/pub/WWW.
22. Monsalve P, Julin Alberto. Web Usage Mining, aplicado a servidores web Apache. 2011, Memorias Comtel
2011, ISBN: 978-612-4050-40-4, pgs. 33-37.
23. Bartolom, Antonio. Blended learning. Conceptos bsicos. Barcelona : s.n., 2004, Pxel-Bit, pgs. 7-20