Determinación de la capacidad predictiva de técnicas de aprendizaje automático aplicadas al comportamiento de alumnos en evaluaciones sistematizadas
View/ Open
Date
2016Author
Algorry, Aldo M.
Diaz, Laura C.
Barto, Carlos A.
Metadata
Show full item recordAbstract
Este trabajo es la continuación del desarrollado por el grupo de Sistemas Tutores Inteligentes del Departamento de Computación de la FCEFyN de la UNC aplicados a la enseñanza del lenguaje de programación Python en la materia de Informática que se dicta para las carreras de Ingeniería.En la intención de avanzar en la investigación de los Tutores inteligentes y contando con datos sistematizados del comportamiento de los alumnos por dos años este trabajo avanza en la posibilidad de realizar estimaciones a priori sobre el comportamiento futuro de un alumno ante una pregunta concreta constituyendo un input para un hipotético tutor inteligente. El presente es continuación del trabajo ?Descubrimiento de Patrones cognitivos en Evaluaciones de Informática basado en Explotación de Información? donde se determina mediante el uso de árboles de decisión que existe una correlación que merece ser estudiada y susceptible de ser predicha con suficiente exactitud a los fines prácticos. Lo que nos lleva a estudiar con mas detalle diferentes técnicas de IA y valorar su performace como predictores de conductas cognitivas.Lo que se pretende mostrar con este trabajo que nivel de capacidad podría tener un futuro tutor inteligente para determinar cuales opciones de respuesta elegirá un alumno para las preguntas de una prueba basado en las opciones que eligió como respuesta en pruebas anteriores. En definitiva la determinación de patrones cognitivos enlazados que no solo permitan predecir si responderá la opción correcta o una incorrecta sino intentar identificar cuales opciones tienen mayor posibilidad de ser seleccionadas para direccionar el aprendizaje asistido. Como conclusión, se muestran los diferentes resultados obtenidos utilizando distintos clasificadores, con distintas configuraciones y estrategias de preprocesamiento con el propósito de seleccionar una configuración recomendable para este dominio del problema.