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
Información del item - Informació de l'item - Item information
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 - ICE - Capítulos de Libros
INV - GRFIA - Capítulos de Libros

Files in This Item:
Files in This Item:
File Description SizeFormat 
ThumbnailMemories-Xarxes-I3CE-2017-18-209.pdf1,72 MBAdobe PDFOpen Preview


Items in RUA are protected by copyright, with all rights reserved, unless otherwise indicated.