Creación automática de equipos de estudiantes universitarios: una experiencia desde la asignatura Inglés

• Autores: Marcelo Haro Gavidia, Guisella Chabla Galarza, Miguel Montalvo Robalino, David Coello Chabla, Pavel Novoa Hernandez
• Localización: Revista Ciencia UNEMI, ISSN-e 2528-7737, ISSN 1390-4272, Vol. 9, Nº. 21, 2016 (Ejemplar dedicado a: Diciembre), págs. 58-67
• Idioma: español
• Títulos paralelos:
  • Automatic Building of University Student Teams: an experience from English subject
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Uno de los principales objetivos en la educación es lograr que los estudiantes desarrollen la capacidad de trabajo en equipo. Esta capacidad potencia la socialización entre los estudiantes y la resolución de problemas complejos. Comúnmente, la creación de estos equipos es realizada por el docente de la asignatura, quien debe tener en cuenta múltiples criterios como la presencia de un estudiante líder y equipos heterogéneos. Cuando la asignatura tiene poco estudiantes, esta tarea suele ser fácil. Sin embargo, cuando se debe tener en cuenta a numerosos estudiantes, la tarea se torna compleja y por lo general no existe garantía de que los equipos creados cumplan con los criterios deseados. En este sentido, con el objetivo de favorecer el desarrollo óptimo de esta tarea docente, la presente investigación propone una solución computacional que automatiza la creación de equipos de trabajo de estudiantes. Específicamente, la tarea de la creación de los equipos se modeló matemáticamente como un problema de optimización de tipo combinatorio y multi-objetivo, que fue resuelto a su vez por un algoritmo evolutivo basado en los conceptos de Dominancia de Pareto. Para validar las propuestas, se realizaron varios experimentos computacionales que involucran escenarios reales, relacionados con la Unidad de Aprendizaje Inglés en varias carreras de la Universidad Técnica Estatal de Quevedo. 

  • English

    One of the main goals for Higher Education is to educate students to work in teams. Such a skill not only improves their social behavior in the community, but also the ability for solving complex problems. Usually, the process of making teams is carried out by professorof the subject, who has to take into account several criteria (e.g. the presence of leader, heterogeneity of the team according the level of knowledge, sex, among others). When the subject has just few students, this task becomes easy. However, in the case of classes with a large number of students, this task becomes complex and there is no warranty about the accomplishment of the considered criteria. In that sense, the present work proposes a computational solution that automatizes the task of student teams building. Specifically, it was approached as a multi-objective combinatorial optimization problem, which was solved using a Pareto Dominance-based algorithm.In order to validate the proposal we performed several computational experiments involving real case studies from the English subject of three careers at the Technical State University of Quevedo. Results show that the proposed approach is able to build balanced teams according to the considered criteria.

• Referencias bibliográficas
  • UNESCO. (1997). La educación encierra un tesoro: informe a la UNESCO de la Comisión Internacional sobre la Educación para el siglo XXI, presidida...
  • Pozo, J. I., Echeverría, M. P., & (coord.). (2009). Psicología del aprendizaje universitario: la formación en competencias (p. 232). Ediciones...
  • Glinz, P. E. (2005). Un acercamiento al trabajo colaborativo. Revista Iberoamericana de Educación, 35(2), 1–13.
  • Hughes, R. L., & Jones, S. K. (2011). Developing and assessing college student teamwork skills. New Directions for Institutional Research,...
  • Novoa-Hernández, P., Novoa-Hernández, M. A., & Rivero-Peña, Y. (2013). Propuesta de técnicas evolutivas para la confección automática...
  • Novoa-Hernández, P. (2015). Optimización evolutiva multi-objetivo en la planificación de controles a clase en la educación superior cubana....
  • Escalera Fariñas, K., Infante Abreu, A. L., André Ampuero, M., & Rosete Suárez, A. (2014). Uso de estrategias de paralelización en algoritmos...
  • Rivero Peña, Y., Novoa-Hernández, P., & Fernández Ochoa, Y. (2015). La optimización evolutiva multi objetivo en la confección de equipos...
  • Ahmed, F., Jindal, A., & Deb, K. (2011). Cricket Team Selection Using Evolutionary Multi-objective Optimization. In Proceedings of the...
  • Wegener, I. (2005). Complexity Theory: Exploring the Limits of Efficient Algorithms (p. 308). Springer Berlin Heidelberg.
  • Teachman, J. D. (1980). Analysis of Population Diversity: Measures of Qualitative Variation. Sociological Methods & Research, 8(3), 341–362....
  • Mueller, J. H., Schuessler, K. F., & Costner, H. L. (1977). Statistical Reasoning in Sociology. Houghton Mifflin.
  • Zhou, A., Qu, B.-Y., Li, H., Zhao, S.-Z., Suganthan, P. N., & Zhang, Q. (2011). Multiobjective evolutionary algorithms: A survey of the...
  • Deb, K., Pratap, A., Agarwal, S., & Meyarivan, T. (2002). A fast and elitist multiobjective genetic algorithm: NSGA-II. Evolutionary Computation,...
  • MATLAB. (2015). version 8.5.0 (R2015b). Natick, Massachusetts: The MathWorks Inc.
  • Boussaïd, I., Lepagnot, J., & Siarry, P. (2013). A survey on optimization metaheuristics. Information Sciences, 237, 82–117. doi:http://dx.doi.org/10.1016/j.ins.2013.02.041
  • Villacorta, P. J., Masegosa, A. D., Castellanos, D., Novoa, P., & Pelta, D. A. (2011). Sensitivity analysis in the scenario method: A...
  • Saravanan, R., Ramabalan, S., Ebenezer, N. G. R., & Dharmaraja, C. (2009). Evolutionary multi criteria design optimization of robot grippers....
  • Saadatseresht, M., Mansourian, A., & Taleai, M. (2009). Evacuation planning using multiobjective evolutionary optimization approach. European...
  • Shin, S.-Y., Lee, I.-H., Kim, D., & Zhang, B.-T. (2005). Multiobjective evolutionary optimization of DNA sequences for reliable DNA computing....
  • Woźniak, P. (2011). Preferences in multi-objective evolutionary optimisation of electric motor speed control with hardware in the loop. Applied...
  • Talbi, E. G. (2009). Metaheuristics: From Design to Implementation (p. 500). John Wiley & Sons.
  • Jiang, S., Ong, Y.-S., Zhang, J., & Feng, L. (2014). Consistencies and Contradictions of Performance Metrics in Multiobjective Optimization....