Ir al contenido

Documat

Resumen de GRADEFORESEER: Recurso docente para la predicción de notas del alumnado de informática

Maria Salamó Llorente Árbol académico, Inmaculada Rodríguez Santiago Árbol académico, Maite López Sánchez Árbol académico, Anna Puig Puig Árbol académico, Simone Balocco Árbol académico, Mariona Taulé Delor Árbol académico, Jordi Rodríguez

  • español

    Desde la implantación del Espacio Europeo de Educación Superior (EEES) en los diferentes grados, seha puesto de manifiesto la necesidad de utilizar diversos mecanismos que permitan evaluar automáticamente y proporcionar una retroalimentación rápida tantoal alumnado como al profesorado sobre la evoluciónde los alumnos en una asignatura. En este artículo sepresenta GF, un recurso docente para lapredicción de notas basado en técnicas de aprendizajeautomático que permite evaluar la evolución del alumnado de forma automática y estimar su nota final alterminar el curso. Este recurso se ha complementadocon una interfaz de usuario para el profesorado que puede ser usada en diferentes plataformas software (sistemas operativos) y en cualquier asignatura del grado deIngeniería Informática. Además de la descripción delrecurso, este artículo presenta los resultados obtenidosal aplicar el sistema de predicción en las asignaturasde Programación I (PI) y Diseño de Software (DSW)del grado de Ingeniería Informática de la Universidadde Barcelona. La capacidad predictiva se ha evaluadode forma binaria (aprueba o no) o según un criteriode rango (suspenso, aprobado, notable o sobresaliente), obteniendo mejores predicciones en los resultadosevaluados de forma binaria: 86.96 en DSW y 85.87 enPI.

  • English

    The implementation of the European Higher EducationArea (EHEA) has highlighted the need for alternativemechanisms to automatically evaluate students’ progress in a subject, and to provide both students andteachers with quick feedback on progress. This paperpresents GF, a teaching resource for theprediction of grades on any Computer Science degreecourse. It is based on machine learning techniques, evaluates students’ progress and estimates their final gra-de at the end of the course. This resource is endowedwith a user interface for teachers that can be used ondierent software platforms (i.e., operating systems).Additionally, this paper presents predicted results inthe subjects of Software Design (DSW) and Programming I (PI) in the degree of Computer Science at theUniversity of Barcelona. Its predictive capacity was assessed using both binary (pass or fail) and range (fail,pass , good, or excellent) criteria. Binary predictionsturned out to achieve best results (86.96 % and 85.87 %in DSW and PI, respectively).

Fundación Dialnet

Mi Documat