Ir al contenido

Documat

Búsqueda de la calidad del aprendizaje mediante herramientas de inteligencia artificial

  • Dima, Lucas [1] ; Urdaneta, Rafael [1] ; Sosa, Gabriel [1] ; Esperón, Gabriela [1] ; López De Luise, Daniela [1]
    1. [1] Universidad de Palermo
  • Localización: Ciencia y tecnología, ISSN 1850-0870, ISSN-e 2344-9217, Nº. 12, 2012, págs. 57-71
  • Idioma: español
  • DOI: 10.18682/cyt.v1i12.654
  • Enlaces
  • Resumen
    • español

      Este trabajo expone, mediante el uso de técnicas de minería de datos e inteligencia artificial, una alternativa para determinar posibles factores ajenos a los académicos que puedan interferir de manera positiva o negativa en la calidad del aprendizaje de estudiantes universitarios del área de Matemática. Para tal fin se relevó una serie de datos socioeconómicos considerados relevantes por especialistas, sociólogos y pedagogos, incorporando adicionalmente una serie de evaluaciones prediseñadas con aspectos conceptuales, algebraicos y de modelización. Se emplea el método de clasificación bietápico el cual es una herramienta de exploración diseñada para descubrir las agrupaciones naturales (o conglomerados) de un conjunto de datos que, de otra manera, no sería posible detectar. A partir de este agrupamiento se establecerá la base para la elaboración de reglas que alimentarán al sistema experto para la formulación de conclusiones y recomendaciones para los estudiantes y docentes.

    • English

      This paper presents an alternative to determine possible factors beyond academic ones that may interfere positively or negatively on the quality of learning of college students in Mathematics, by employing data mining techniques and artificial intelligence. For this purpose, a set of socio-economic data considered relevant by specialists, sociologists and educators were surveyed. Additionally series of pre designed evaluations containing conceptual, algebraic and modeling features were incorporated. To analyze the data, the two-step classification algorithm was performed. This algorithm is a scan tool designed to reveal natural groupings (or clusters) of a dataset that would otherwise not be apparent. This cluster analysis will provide the basis for the rules development that will feed an Expert System for creating conclusions and recommendations for students and teachers.

  • Referencias bibliográficas
Fundación Dialnet

Mi Documat

Opciones de artículo

Opciones de compartir

Opciones de entorno