Maestría en Ciencias en Analítica del Aprendizaje (MSLA)

Visión de conjunto

La Maestría en Ciencias en Analítica de Aprendizaje (MSLA) está dirigida a personas que desean seguir una carrera en campos que se ven afectados por la digitalización del aprendizaje, la creación de sentido y los procesos de conocimiento en entornos socio-técnicos complejos. Este programa es ideal para cualquier persona interesada en aprender a utilizar los datos para comprender cómo las personas y los sistemas producen conocimiento.

Sobre el programa

El MSLA preparará a los estudiantes de diferentes orígenes para satisfacer la creciente demanda de profesionales de análisis de aprendizaje en una variedad de industrias, incluida la educación, organizaciones sin fines de lucro, gubernamentales y corporativas. Los graduados obtendrán habilidades críticas para trabajar en una economía del conocimiento global cada vez más compleja y estarán bien posicionados para convertirse en líderes en sus organizaciones, preparándolos para el futuro del aprendizaje.

El programa en línea de dos años consta de seis cursos básicos, cuatro asignaturas optativas compuestas por una variedad de temas y un proyecto final colaborativo (36 horas de crédito).

Plan de titulación

Se requieren treinta y seis (36) horas crédito para la Maestría en Ciencias en Analítica del Aprendizaje. Los cursos obligatorios son los siguientes:

• Cursos básicos (18 horas): LAPS 5310, 5320, 5330, 5340, 5350, 5360
• Cuatro optativas (12 horas) desde: LAPS 5370, 5375, 5376, 5377, 5378, 5380, 5388, 5390, 5391, 5392, 5393, 5394, 5395
• Capstone (6 horas): LAPS 5610

Si un posible estudiante no tiene suficiente experiencia estadística en cursos anteriores, es posible que deba tomar LAPS 5370 - Introducción al análisis estadístico como un curso de nivelación al final de sus cursos básicos. Este curso contaría como una de las cuatro asignaturas optativas obligatorias.

Después de completar 30 horas de trabajo del curso (18 horas básicas, 12 horas optativas) y recibir la aprobación del coordinador del programa, los estudiantes pueden inscribirse en el curso LAPS 5610 Capstone. Los estudiantes trabajarán en diversos grupos de 5 a 6 estudiantes junto con un mentor de la facultad, y los grupos pequeños estarán diseñados para combinar estudiantes con diversos conjuntos de habilidades y enfatizar la comunidad y la colaboración. Los estudiantes aplicarán el conocimiento y las habilidades del programa aprendidas en cursos anteriores para completar un proyecto integrador a pequeña escala que involucra el análisis de un conjunto de datos educativos del mundo real. Los estudiantes tendrán la oportunidad de solicitar pasantías competitivas que proporcionarán pequeñas becas. Una vez que el estudiante se inscribe en este curso, debe inscribirse continuamente en él hasta completar con éxito su culminación, pero no más de 4 veces.

** Nota: En este momento, los estudiantes del programa Learning Analytics no pueden obtener una Maestría en Aprobación para completar un Ph.D.

Aquí hay un programa de estudio de muestra:

Año 1 (otoño)

• LAPS 5310 Conceptos básicos de análisis de aprendizaje
• LAPS 5360 Introducción al análisis de datos y R

Año 1 (primavera)

• LAPS 5320 Diseño y metodología experimental
• LAPS 5330 Psicología del aprendizaje y las ciencias del aprendizaje

Año 1 (verano)

• LAPS 5340 Métodos de Big Data
• LAPS 5350 Privacidad y ética en el análisis del aprendizaje

Año 2 (otoño)

• Dos (2) asignaturas optativas

Año 2 (primavera)

• Dos (2) asignaturas optativas

Año 2 (verano)

• LAPS 5610 Capstone

Las optativas actuales incluyen:

• LAPS 5370 Introducción al análisis estadístico (curso de nivelación)
• LAPS 5375 Probabilidad e inferencia estadística
• LAPS 5376 Análisis de regresión aplicado
• LAPS 5377 Modelos lineales y diseño experimental
• LAPS 5378 Clustering y escalado multidimensional
• LAPS 5380 Inferencia causal para la evaluación del programa
• LAPS 5388 Métodos avanzados en gestión de datos educativos y análisis de aprendizaje
• LAPS 5390 Análisis de diseño de aprendizaje
• Estudio independiente LAPS 5391
• LAPS 5392 Cognición, computadoras y metacognición
• LAPS 5393 Procesamiento del lenguaje natural para la investigación educativa
• LAPS 5394 Análisis de redes sociales
• LAPS 5395 Cognición humana y artificial

Andrea Piacquadio / pexels

Oportunidades profesionales

• Científico de datos
• Administrador de educación
• Diseñador de aprendizaje
• Analista de investigación / datos
• Evaluación

¿Por qué elegirnos?

• Programa en línea con admisiones basadas en cohortes para apoyar a los profesionales que trabajan en todo el mundo.
• Cursos impartidos por destacados expertos en análisis de aprendizaje.
• Colaboración con profesores, estudiantes y socios externos para abordar desafíos socio-técnicos complejos del mundo real.
• Desarrollo de habilidades para métodos y herramientas actuales e innovadores.

Requisitos de admisión

La facultad y el personal evaluarán a todos los solicitantes de admisión al programa y se dará prioridad a los solicitantes que cumplan con los siguientes criterios:

1. GPA general de pregrado de 3.2

2. Un solicitante cuya lengua materna no es el inglés debe demostrar un nivel suficiente de habilidad con el idioma inglés para asegurar el éxito en los estudios de posgrado. Este requisito no se aplicará a los hablantes no nativos de inglés que posean una licenciatura de una institución acreditada de EE. UU. Se espera que los solicitantes presenten un puntaje de al menos 550 en el TOEFL en papel, un puntaje de al menos 213 en el TOEFL basado en computadora, un puntaje mínimo de 40 en el TSE, un puntaje mínimo de 6.5 en el IELTS, o un puntaje total mínimo de 79 en el TOEFL IBT. Además, cuando se toma el TOEFL IBT, se prefieren puntajes seccionales de al menos 22 en la sección de escritura, 21 en la sección de conversación, 20 en la sección de lectura y 16 en la sección de comprensión auditiva. Sin embargo, la admisión a cualquier programa de posgrado es limitada y competitiva. Cumplir con los requisitos mínimos de admisión no garantiza la aceptación y los programas pueden dar preferencia a los estudiantes con puntajes más altos. Solo se aceptan las puntuaciones enviadas directamente por ETS o IELTS a UT Arlington.

En este momento, no se requiere el GRE para la admisión a este programa.

Los estudiantes que no cumplan con estos criterios aún pueden ser considerados si cumplen con todos los requisitos generales de admisión de la Escuela de Graduados. La admisión es competitiva y cumplir con los requisitos de admisión no garantizará la aceptación en el programa.

Los futuros estudiantes internacionales que residen fuera de los EE. UU. Y no tienen planes de establecer el estatus de estudiante F-1 o J-1 son elegibles para la admisión al programa. Estudiantes potenciales que tienen:

• El estado de visa F-1 o J-1 y la residencia en los EE. UU. No son elegibles para la admisión al programa.
• El estado de la visa F-2 es elegible para la admisión al programa, pero no puede requerir más de tres (3) horas de crédito por semestre.
  • Dado el modelo de cohorte para el programa (seis (6) horas por trimestre con un horario específico para la oferta de cursos), esto significa que sería difícil avanzar y completar rápidamente.
• El estado de la visa J-2 es elegible para la admisión al programa.
• El estatus de visa B-1 o B-2 no es elegible para la admisión a este programa.

Los futuros estudiantes pueden presentar su solicitud en cualquier momento, pero la fecha límite para el semestre de otoño de 2021 es el 30 de julio de 2021. Si bien es posible, no podemos garantizar la admisión después de esa fecha. Tenga en cuenta que esta fecha límite es diferente a la fecha límite general de solicitud de la universidad. Es responsabilidad del estudiante cumplir con los plazos departamentales para garantizar el procesamiento y la revisión oportunos de su solicitud.