Modelo bayesiano para el diagnóstico del aprendizaje en alumnos de inteligencia artificial
La comunidad educativa ha encontrado en las TIC una herramienta muy útil para asistir el proceso de enseñanza-aprendizaje. Entre sus principales tareas se encuentran la monitorización y el diagnóstico del nivel de conocimiento que poseen los alumnos. Sin embargo, estas tareas requieren el diseño de...
Guardado en:
Autores principales: | , , , , |
---|---|
Formato: | Objeto de conferencia |
Lenguaje: | Español |
Publicado: |
2015
|
Materias: | |
Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/50267 |
Aporte de: |
id |
I19-R120-10915-50267 |
---|---|
record_format |
dspace |
institution |
Universidad Nacional de La Plata |
institution_str |
I-19 |
repository_str |
R-120 |
collection |
SEDICI (UNLP) |
language |
Español |
topic |
Ciencias Informáticas Redes Bayesianas Tecnología Educacional Aprendizaje |
spellingShingle |
Ciencias Informáticas Redes Bayesianas Tecnología Educacional Aprendizaje Pytel, Pablo Vegega, Cinthia Deroche, Ariel Acosta, Mariana Paola Pollo Cattaneo, María Florencia Modelo bayesiano para el diagnóstico del aprendizaje en alumnos de inteligencia artificial |
topic_facet |
Ciencias Informáticas Redes Bayesianas Tecnología Educacional Aprendizaje |
description |
La comunidad educativa ha encontrado en las TIC una herramienta muy útil para asistir el proceso de enseñanza-aprendizaje. Entre sus principales tareas se encuentran la monitorización y el diagnóstico del nivel de conocimiento que poseen los alumnos. Sin embargo, estas tareas requieren el diseño de sistemas informáticos donde deben aplicarse principios y técnicas de la Inteligencia Artificial. En tal sentido, las Redes Bayesianas son un tipo de Sistema Inteligente que permite generar un modelo probabilístico a partir de la combinación de información histórica disponible y la experiencia de los docentes. De esta manera, es posible identificar el estilo de aprendizaje, el cual representa la forma en que los estudiantes adquieren y entienden los temas dictados. En este contexto, el presente trabajo se propone analizar los resultados de aplicar dicha tecnología en una asignatura de grado y así asistir a los docentes a comprender mejor el comportamiento de sus alumnos. |
format |
Objeto de conferencia Objeto de conferencia |
author |
Pytel, Pablo Vegega, Cinthia Deroche, Ariel Acosta, Mariana Paola Pollo Cattaneo, María Florencia |
author_facet |
Pytel, Pablo Vegega, Cinthia Deroche, Ariel Acosta, Mariana Paola Pollo Cattaneo, María Florencia |
author_sort |
Pytel, Pablo |
title |
Modelo bayesiano para el diagnóstico del aprendizaje en alumnos de inteligencia artificial |
title_short |
Modelo bayesiano para el diagnóstico del aprendizaje en alumnos de inteligencia artificial |
title_full |
Modelo bayesiano para el diagnóstico del aprendizaje en alumnos de inteligencia artificial |
title_fullStr |
Modelo bayesiano para el diagnóstico del aprendizaje en alumnos de inteligencia artificial |
title_full_unstemmed |
Modelo bayesiano para el diagnóstico del aprendizaje en alumnos de inteligencia artificial |
title_sort |
modelo bayesiano para el diagnóstico del aprendizaje en alumnos de inteligencia artificial |
publishDate |
2015 |
url |
http://sedici.unlp.edu.ar/handle/10915/50267 |
work_keys_str_mv |
AT pytelpablo modelobayesianoparaeldiagnosticodelaprendizajeenalumnosdeinteligenciaartificial AT vegegacinthia modelobayesianoparaeldiagnosticodelaprendizajeenalumnosdeinteligenciaartificial AT derocheariel modelobayesianoparaeldiagnosticodelaprendizajeenalumnosdeinteligenciaartificial AT acostamarianapaola modelobayesianoparaeldiagnosticodelaprendizajeenalumnosdeinteligenciaartificial AT pollocattaneomariaflorencia modelobayesianoparaeldiagnosticodelaprendizajeenalumnosdeinteligenciaartificial |
bdutipo_str |
Repositorios |
_version_ |
1764820474841268226 |