Extracción de perfiles de alumnos de programación en estudios superiores mediante aprendizaje automático en evaluaciones tipo juez en línea
Please use this identifier to cite or link to this item:
http://hdl.handle.net/10045/128683
Title: | Extracción de perfiles de alumnos de programación en estudios superiores mediante aprendizaje automático en evaluaciones tipo juez en línea |
---|---|
Authors: | Rico-Juan, Juan Ramón | Sánchez-Cartagena, Víctor M. | Valero-Mas, Jose J. | Gallego, Antonio-Javier | Rizo, David |
Research Group/s: | Reconocimiento de Formas e Inteligencia Artificial | Transducens |
Center, Department or Service: | Universidad de Alicante. Departamento de Lenguajes y Sistemas Informáticos |
Keywords: | Identificación del perfil del estudiante | Sistemas tipo juez en línea | Inteligencia artificial explicable | Aprendizaje automático |
Issue Date: | 2022 |
Editors: | Universidad de Alicante. Instituto de Ciencias de la Educación |
Citation: | Rico-Juan, Juan Ramón, et al. "Extracción de perfiles de alumnos de programación en estudios superiores mediante aprendizaje automático en evaluaciones tipo juez en línea". En: Satorre Cuerda, Rosana (coord.). Redes de Investigación e Innovación en Docencia Universitaria. Volumen 2022 = Xarxes d'investigació i innovació en docència universitària. Volum 2022. Alacant: Institut de Ciències de l’Educació (ICE) de la Universitat d’Alacant, 2022. ISBN 978-84-09-39082-3, pp. 187-197 |
Abstract: | Los sistemas de juez en línea (JL) se utilizan en el ámbito de la programación, ya que permiten realizar evaluaciones rápidas y objetivas del código desarrollado por los estudiantes. Este tipo de evaluación suele proporcionar una única decisión sobre si el envío ha cumplido con éxito la tarea. Sin embargo, dado que en un contexto educativo dicha información puede considerarse insuficiente, sería beneficioso tanto para el estudiante como para el instructor recibir información adicional sobre el desarrollo general de la tarea. Este trabajo pretende abordar esta limitación considerando la explotación adicional de la información recopilada por el JL e infiriendo automáticamente la retroalimentación, tanto para el estudiante como para el instructor. Consideramos el uso de esquemas basados en Aprendizaje Automático para modelar el comportamiento del estudiante y de Inteligencia Artificial Explicable para proporcionar una retroalimentación comprensible para el ser humano. La propuesta ha sido evaluada en un caso de estudio considerando más de 2.600 envíos y 90 estudiantes de la asignatura Desafíos de Programación (Ingeniería en Informática, Universidad de Alicante). Los resultados obtenidos validan la propuesta: el modelo es capaz de predecir de forma significativa el resultado del usuario (aprobar o suspender la tarea) basándose únicamente en el patrón de comportamiento inferido por los envíos realizados al JL, además retroalimentar al estudiante y al instructor. |
Sponsor: | Este trabajo ha sido parcialmente financiado por el ‘’Programa Redes-I3CE de investigación en docencia universitaria del Instituto de Ciencias de la Educación (REDES-I3CE-2020-5069)’’ de la Universidad de Alicante. |
URI: | http://hdl.handle.net/10045/128683 |
ISBN: | 978-84-09-39082-3 |
Language: | spa |
Tipe: | info:eu-repo/semantics/bookPart |
Rights: | © De l’edició: Rosana Satorre Cuerda (Coord.), Asunción Menargues Marcilla, Rocío Díez Ros & Neus Pellín Buades (Eds.); del text: les autores i autors; d’aquesta edició: Institut de Ciències de l’Educació (ICE) de la Universitat d’Alacant |
Publisher version: | http://hdl.handle.net/10045/128623 |
Appears in Collections: | INV - GRFIA - Capítulos de Libros Docencia - Redes ICE - Capítulos de Libros INV - TRANSDUCENS - Capítulos de Libros |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Redes-Investigacion-Innovacion-Docencia-Universitaria-2022-15.pdf | 4,7 MB | Adobe PDF | Open Preview | |
Items in RUA are protected by copyright, with all rights reserved, unless otherwise indicated.