Inteligencia artificial aplicada al desarrollo de evaluaciones de matemática

El presente trabajo expone una propuesta de arquitectura, que emplea herramientas de minería de datos y un sistema experto, para detectar factores socioeconómicos y contextuales que podrían interferir en el proceso de aprendizaje de alumnos universitarios en el área de Matemática. Para ello se rele...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Sosa, Gabriel, Dima, Lucas, Urdaneta, Rafael, Esperón, Gabriela, López De Luise, Daniela
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2010
Materias:	Ciencias Informáticas Evaluación sistemas expertos detección de problemas en el aprendizaje minería de datos modelos Arquitectura algoritmos de agrupamiento
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/152595 http://39jaiio.sadio.org.ar/sites/default/files/39jaiio-asai-09.pdf
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-152595
record_format	dspace
spelling	I19-R120-10915-1525952023-05-08T20:03:54Z http://sedici.unlp.edu.ar/handle/10915/152595 http://39jaiio.sadio.org.ar/sites/default/files/39jaiio-asai-09.pdf issn:1850-2784 Inteligencia artificial aplicada al desarrollo de evaluaciones de matemática Sosa, Gabriel Dima, Lucas Urdaneta, Rafael Esperón, Gabriela López De Luise, Daniela 2010 2010 2023-05-08T18:05:35Z es Ciencias Informáticas Evaluación sistemas expertos detección de problemas en el aprendizaje minería de datos modelos Arquitectura algoritmos de agrupamiento El presente trabajo expone una propuesta de arquitectura, que emplea herramientas de minería de datos y un sistema experto, para detectar factores socioeconómicos y contextuales que podrían interferir en el proceso de aprendizaje de alumnos universitarios en el área de Matemática. Para ello se releva un conjunto de variables relacionadas con los factores mencionados de la población de interés y se implementa una evaluación prediseñada por docentes especializados. Los datos así obtenidos y las respuestas de los alumnos a la evaluación propuesta son analizados con algoritmos exploratorios para obtener características por grupos. Se emplea el método jerárquico de Ward para determinar el número óptimo de clusters y luego el procedimiento k-medias para formar conglomerados. Dichos algoritmos generarán las métricas para la catalogación de los datos. Este agrupamiento constituirá la base para la formulación de reglas de un sistema experto que generará recomendaciones a sus usuarios. Sociedad Argentina de Informática e Investigación Operativa Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 92-101
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas Evaluación sistemas expertos detección de problemas en el aprendizaje minería de datos modelos Arquitectura algoritmos de agrupamiento
spellingShingle	Ciencias Informáticas Evaluación sistemas expertos detección de problemas en el aprendizaje minería de datos modelos Arquitectura algoritmos de agrupamiento Sosa, Gabriel Dima, Lucas Urdaneta, Rafael Esperón, Gabriela López De Luise, Daniela Inteligencia artificial aplicada al desarrollo de evaluaciones de matemática
topic_facet	Ciencias Informáticas Evaluación sistemas expertos detección de problemas en el aprendizaje minería de datos modelos Arquitectura algoritmos de agrupamiento
description	El presente trabajo expone una propuesta de arquitectura, que emplea herramientas de minería de datos y un sistema experto, para detectar factores socioeconómicos y contextuales que podrían interferir en el proceso de aprendizaje de alumnos universitarios en el área de Matemática. Para ello se releva un conjunto de variables relacionadas con los factores mencionados de la población de interés y se implementa una evaluación prediseñada por docentes especializados. Los datos así obtenidos y las respuestas de los alumnos a la evaluación propuesta son analizados con algoritmos exploratorios para obtener características por grupos. Se emplea el método jerárquico de Ward para determinar el número óptimo de clusters y luego el procedimiento k-medias para formar conglomerados. Dichos algoritmos generarán las métricas para la catalogación de los datos. Este agrupamiento constituirá la base para la formulación de reglas de un sistema experto que generará recomendaciones a sus usuarios.
format	Objeto de conferencia Objeto de conferencia
author	Sosa, Gabriel Dima, Lucas Urdaneta, Rafael Esperón, Gabriela López De Luise, Daniela
author_facet	Sosa, Gabriel Dima, Lucas Urdaneta, Rafael Esperón, Gabriela López De Luise, Daniela
author_sort	Sosa, Gabriel
title	Inteligencia artificial aplicada al desarrollo de evaluaciones de matemática
title_short	Inteligencia artificial aplicada al desarrollo de evaluaciones de matemática
title_full	Inteligencia artificial aplicada al desarrollo de evaluaciones de matemática
title_fullStr	Inteligencia artificial aplicada al desarrollo de evaluaciones de matemática
title_full_unstemmed	Inteligencia artificial aplicada al desarrollo de evaluaciones de matemática
title_sort	inteligencia artificial aplicada al desarrollo de evaluaciones de matemática
publishDate	2010
url	http://sedici.unlp.edu.ar/handle/10915/152595 http://39jaiio.sadio.org.ar/sites/default/files/39jaiio-asai-09.pdf
work_keys_str_mv	AT sosagabriel inteligenciaartificialaplicadaaldesarrollodeevaluacionesdematematica AT dimalucas inteligenciaartificialaplicadaaldesarrollodeevaluacionesdematematica AT urdanetarafael inteligenciaartificialaplicadaaldesarrollodeevaluacionesdematematica AT esperongabriela inteligenciaartificialaplicadaaldesarrollodeevaluacionesdematematica AT lopezdeluisedaniela inteligenciaartificialaplicadaaldesarrollodeevaluacionesdematematica
_version_	1765660134440173568

Inteligencia artificial aplicada al desarrollo de evaluaciones de matemática

Ejemplares similares