Estudio y diseño de técnicas de aprendizaje automático orientadas a la detección temprana de anomalías en la evaluación docente

Abstract

Uno de procesos más importantes en casi todos los modelos de enseñanza universitaria es la evaluación. Los criterios que se establecen en una asignatura orientan la forma en la que se obtiene la calificación final del alumno. Es por ello importante realizar un seguimiento continuado del aprendizaje del estudiante y de sus calificaciones, permitiendo de este modo la detección de anomalías para proceder con una intervención inmediata que permita corregir la situación. Normalmente, en los primeros cursos universitarios el número de alumnos es elevado, lo que redunda en detrimento del control o seguimiento que se le puede realizar a los estudiantes por parte del profesor. En este trabajo se propone un estudio de 24 algoritmos de inteligencia artificial, pertenecientes a diferentes categorías, para la predicción de la siguiente calificación de prácticas. Los resultados experimentales muestran cómo las categorías basadas en máquinas de vectores soporte o los de aumentado de gradiente extremo son los que mejores se ajustan a los datos recogidos.