Detección precoz de dificultades en el aprendizaje. Herramienta para la predicción del rendimiento de los estudiantes
•
0 recomendaciones•680 vistas
Detección precoz de dificultades en el aprendizaje. Herramienta para la predicción del rendimiento de los estudiantes Carlos J. Villagrá-Arnedo, Francisco J. Gallego-Durán, Faraón Llorens-Largo, Patricia Compañ-Rosique, Rosana Satorre-Cuerda, Rafael Molina-Carmona Departamento de Ciencia de la Computación e Inteligencia Artificial Universidad de Alicante III Congreso Internacional sobre Aprendizaje, Innovación y Competitividad (CINAIC 2015) Madrid, 14-16 de Octubre de 2015 http://www.cinaic.com
Recomendados
Más contenido relacionado
La actualidad más candente
Similar a Detección precoz de dificultades en el aprendizaje. Herramienta para la predicción del rendimiento de los estudiantes
Similar a Detección precoz de dificultades en el aprendizaje. Herramienta para la predicción del rendimiento de los estudiantes (20)
Último
Último (20)
Detección precoz de dificultades en el aprendizaje. Herramienta para la predicción del rendimiento de los estudiantes
- 1. Detección precoz de dificultades en el aprendizaje. Herramienta para la predicción del rendimiento de los estudiantes Carlos J. Villagrá-Arnedo Francisco J. Gallego-Durán Faraón Llorens-Largo Patricia Compañ-Rosique Rosana Satorre-Cuerda Rafael Molina-Carmona
- 2. introducción mejorar el rendimiento de los estudiantes … … conocer el progreso real de estos … … y tratar de predecir los resultados en etapas tempranas del proceso docente
- 3. introducción herramientas computacionales Learning Analytics Machine Learning Support Vector Machines
- 4. objetivo diseñar y construir un sistema predictivo, de ayuda para el docente y para los propios estudiantes, que permita detectar de forma precoz los problemas de aprendizaje, que presente un alto grado de automatización, que ofrezca predicciones sobre el aprendizaje efectivo del estudiante y las competencias adquiridas, que sea perdurable en el tiempo y que utilice, en cada etapa, datos nuevos acumulados a la experiencia adquirida
- 5. PLMan PLMan es un sistema automatizado y gamificado para aprender pensamiento lógico asignatura Lógica Computacional primer curso Grados en Ingeniería Informática e Ingeniería Multimedia
- 6. PLMan
- 7. PLMan • Sistema gamificado: – Autonomía: el alumno elige el nivel de dificultad – Recompensa: a mayor dificultad, mayor nota – Niveles: que se desbloquean cuando avanzamos – Prueba y error: no se penaliza el fallo – Retroalimentación: respuesta inmediata sobre el resultado – Y además … ¡tiene forma de juego!
- 8. PLMan • Genera una gran cantidad de datos: ¿podemos hacer algo con ellos?
- 9. arquitectura del sistema sus correspondientes SVMs. Estas predicciones se añaden a la base de datos de predicciones, donde se almacenan las de las semanas anteriores. Por último, estas predicciones se proporcionan a estudiantes y profesores en forma de progresión estimada del rendimiento de los estudiantes en el tiempo. Figura 1: Arquitectura global del sistema. 4. Experimen El sistema propues primer cuatrimestre d actividad en octubre d de 2015. Como se m estado funcionando e para la asignatura M aprendizaje de Lógica clases prácticas. Habí registrados, de los qu en las clases de prácti habitual. Aunque el cuatrime se, se imparten 13 cl sesiones realmente só guimiento, ya que en introducción general forma, el sistema pr semanas de prediccio proporcionando la not Como ya se ha dich bajo es proporcionar sobre la tendencia d predicciones progresiv vo, el sistema produce tivas como las de las muestran las probab estudiante tenga un r
- 10. recolección de datos • De todos los eventos que se producen en PLMan, elegimos datos de dos tipos (7 características): – De uso – De progreso del estudiante Número de visitas al frontal Número de descargas de mapas Número de entregas por fase Promedio de notas por fase (porcentaje) Tiempo empleado en superar cada fase (segundos) Tiempo empleado en superar cada mapa (segundos) Nivel de dificultad seleccionados por mapa
- 11. sistema de predicción • Es un clasificador Support Vector Machine (SVM) • Tres clases: – Estudiante de rendimiento alto: nota>8.05 – Estudiante de rendimiento intermedio: 5.75≤nota≤8.05 – Estudiante de rendimiento bajo: nota<5.75
- 12. sistema de predicción • Fase de entrenamiento – Entrenamiento con 336 estudiantes – Se entrenan 336 SVM – Para cada SVM se usan 335 ejemplos (cross validation) – Se almacenan semanalmente las predicciones – 10 semanas/predicciones (13 semanas del curso, menos las dos introductorias y la final)
- 13. sistema de predicción • Fase de clasificación: – El sistema de predicción nos devuelve 3 probabilidades • Probabilidad de que el estudiante termine con una nota alta • Probabilidad de que el estudiante termine con una nota intermedia • Probabilidad de que el estudiante termine con una nota baja
- 14. resultados
- 18. conclusiones • Sistema de predicción, progresivo y automatizado, basado en las actividades semanales de los estudiantes: • Resultado en forma de gráficas. • Guía para mejorar el rendimiento de los estudiantes desde etapas tempranas. • Datos referentes a resultados de aprendizaje.
- 19. trabajos futuros • Incorporar en la predicción los resultados de los estudiantes cada curso. • Estudiar otras características que aporten más información y permitan mejorar la predicción. • Estudiar de forma más pormenorizada las gráficas representativas de las tendencias de los estudiantes. • No sólo diagnosticar sino también proponer los aspectos que permitan mejorar el rendimiento.
- 20. Detección precoz de dificultades en el aprendizaje. Herramienta para la predicción del rendimiento de los estudiantes Carlos J. Villagrá-Arnedo Francisco J. Gallego-Durán Faraón Llorens-Largo Patricia Compañ-Rosique Rosana Satorre-Cuerda Rafael Molina-Carmona