Year: 2012
Type: article
Abstract: Este trabajo expone, mediante el uso de técnicas de minería de datos e inteligencia artificial, una alternativa para determinar posibles factores ajenos a los académicos que puedan interferir de manera positiva o negativa en la calidad del aprendizaje de estudiantes universitarios del área de Matemática. Para tal fin se relevó una serie de datos socioeconómicos considerados relevantes por especialistas, sociólogos y pedagogos, incorporando adicionalmente una serie de evaluaciones prediseñadas con aspectos conceptuales, algebraicos y de modelización. Se emplea el método de clasificación bietápico el cual es una herramienta de exploración diseñada para descubrir las agrupaciones naturales (o conglomerados) de un conjunto de datos que, de otra manera, no sería posible detectar. A partir de este agrupamiento se establecerá la base para la elaboración de reglas que alimentarán al sistema experto para la formulación de conclusiones y recomendaciones para los estudiantes y docentes.
Source: Ciencia y Tecnología
Authors: Lucas Dima, Rafael Urdaneta, Gabriel Sosa, Gabriela Esperón, Daniela López De Luise
Institution: University of Palermo
Language: Spanish
Subfield: Computer Science Applications
Field: Computer Science
Domain: Physical Sciences
SDG: Quality education
Open Access status: diamond
OpenAlex ID: W2340911850