Estudio y diseño de técnicas de aprendizaje automático orientadas a la detección temprana de anomalías en la evaluación docente
Please use this identifier to cite or link to this item:
http://hdl.handle.net/10045/91029
Title: | Estudio y diseño de técnicas de aprendizaje automático orientadas a la detección temprana de anomalías en la evaluación docente |
---|---|
Authors: | Gallego, Antonio-Javier | Rico-Juan, Juan Ramón | Calvo-Zaragoza, Jorge | Castellanos, Francisco J. | Rizo, David |
Research Group/s: | Reconocimiento de Formas e Inteligencia Artificial |
Center, Department or Service: | Universidad de Alicante. Departamento de Lenguajes y Sistemas Informáticos |
Keywords: | Aprendizaje automático | Detección de anomalías | Predicción de notas | Evaluación |
Knowledge Area: | Lenguajes y Sistemas Informáticos |
Issue Date: | 2018 |
Editors: | Universidad de Alicante. Instituto de Ciencias de la Educación |
Citation: | Gallego Sánchez, Antonio Javier, et al. "Estudio y diseño de técnicas de aprendizaje automático orientadas a la detección temprana de anomalías en la evaluación docente". En: Roig-Vila, Rosabel (coord.). Memorias del Programa de Redes-I3CE de calidad, innovación e investigación en docencia universitaria. Convocatoria 2017-18 = Memòries del Programa de Xarxes-I3CE de qualitat, innovació i investigació en docència universitària. Convocatòria 2017-18. Alicante: Universidad de Alicante, Instituto de Ciencias de la Educación (ICE), 2018. ISBN 978-84-09-07041-1, pp. 2923-2938 |
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. |
URI: | http://hdl.handle.net/10045/91029 |
ISBN: | 978-84-09-07041-1 |
Language: | spa |
Tipe: | info:eu-repo/semantics/bookPart |
Rights: | © De la edición: Rosabel Roig-Vila, Jordi M. Antolí Martínez, Asunción Lledó Carreres & Neus Pellín Buades; del texto: las autoras y autores; de esta edición: Instituto de Ciencias de la Educación (ICE) de la Universidad de Alicante |
Publisher version: | http://hdl.handle.net/10045/85067 |
Appears in Collections: | Docencia - Redes ICE - Capítulos de Libros INV - GRFIA - Capítulos de Libros |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Memories-Xarxes-I3CE-2017-18-209.pdf | 1,72 MB | Adobe PDF | Open Preview | |
Items in RUA are protected by copyright, with all rights reserved, unless otherwise indicated.